Introduction à l'approche symbolique en analyse des données

 Access to full text

 Full (PDF)

1. 1. W. A. BELSON, Matching and Prediction on the Principle of Biological Classification, Applied statistics, vol. III, 1959. 
2. 2. M. J. DALLWITZ, Automatic Type Setting of Computer Generated Keys and Descriptions, In Data Basis in Systematics, R. A. ALLKIN et F. A. BISBY éd., 1984, p, 279-290, Acad. Press London and Orlando. 
3. 3. E. DIDAY, Selection of Variables and Clustering, Int. Conf on Pattern Recognition. Kyoto. Japan, 1978. 
4. 4. E. DIDAY, G. GOVAERT, Y. LECHEVALLIER et J. SIDI, Clustering in Pattern Recognition, Proc. 5th Conf. Pattern Recognition Miami Beach FL. Plus complet dans NATO, Bonas. J. C SIMON éd., 1980. Zbl0503.68065
5. 5. E. DIDAY et J. V. MOREAU, Learning Hierarchical Clustering from Examples - Application to the Adaptative Construction of Dissimilarity Indices, Pattern Recognition Letter 2, 1984, p. 365-378. Zbl0564.62052
6. 6. E. DIDAY, Order and Overlapping Clusters by Pyramids in DE LEEUW et al. éd., Leiden: DSWO Press, 1987. 
7. 7. E. DIDAY et L. ROY, Generating Rules by Symbolic Data Analysis and Application to Soil Feature Recognition, Actes des 8es Journées Internationales « Les systèmes experts et leurs applications », Avignon, 1988. 
8. 8. R. DUCOURNAU et J. QUINQUETON, Yafool: Encore un langage objet à base de frames, Rapport technique n° 72 INRIA, « Y 3 : Yafool Le langage à Objets », Rapport Sema-Group février 1989. 
9. 9. J. G. GANASCIACharade : apprentissage de bases de connaissances, Actes des journées « Symboliques-Numériques » pour l'apprentissage de connaissances à partir d'observations, Université Paris-IX - Dauphine, CEREMADE, E. DIDAY et Y. KODRATOFF éd., 1987. 
10. 10. J. G. GANASCIA, Apprentissage de connaissance par les cubes de Hilbert, Thèse d'Etat, Université d'Orsay, 1987. 
11. 11. A. GUENOCHE, Propriétés caractéristiques d'une classe relativement à un contexte, Actes des journées « Symboliques-Numériques » pour l'apprentissage de connaissances à partir d'observations. Université Paris-IX - Dauphine, CEREMADE, E. DIDAY et Y. KODRATOFF éd., 1987. 
12. 12. J. L. GUIGUE et V. DUQUENNE, Familles minimales d'implications informatives résultant d'un tableau binaire, Mathématiques et sciences humaines, 24e années, 95, 1986, p. 5-18. MR868423
13. 13. Bao Ho Tu, E. DIDAY et M. SUMMA, Generating Rules for Expert System from Observations in « Les systèmes experts et leurs applications », 7es journées internationales les systèmes experts et leurs applications, EC2, 269, rue de la Garenne, 92000 Nanterre (France), 1987. Zbl0647.68082
14. 14. Y. KODRATOFF, Leçons d'apprentissage symbolique, Cepadues-éditions, 111, rue Nicolas Vauquelin, 31000 Toulouse , 1986. 
15. 15. J. LEBBE, Manuel d'utilisation du logiciel XPER, Micro application, Paris, 1984. 
16. 16. R. MICHALSKI, R. E. STEPP, Automated Construction of Classifications: Conceptual Clustering Versus Numerical Taxonomy, IEEE Trans. pattern analysis and Machine intelligence, vol. PAMI-5, n° 4, 1983. 
17. 17. R. MICHALSKI, E. DIDAY et R. E. STEPP, A Recent Advances in Data Analysis: Clustering Objects into Classes Characterized by Conjonctive Concepts, Progress in Pattern Recognition, vol. 1, L. KANAL et A. ROSENFELD éd., 1981. 
18. 18. M. MANAGO, Intégration de techniques numériques et symboliques en apprentissage automatique, Thèse d'état, Université d'Orsay, LRI. 
19. 19. M. O. MENESSIER et E. DIDAY, Approches symbolique pour la prévision de séries chronologiques pseudo-périodiques, Actes des journées « Symboliques-Numériques » pour l'apprentissage de connaissances à partir d'observations, LRI, Université d'Orsay, Y. KODRATOFF et E. DIDAY éd., 1988. 
20. 20. L. E. MORSE, J. A. PETER et P. B. HAMEL, A General Data Format for Summarizing Taxonomic Information, Bio Science, 21, (4), 1971, p. 174-181. 
21. 21. J. N. MORGAN et J. A. SONQUIST, Problems in the Analysis of Survey Data a Proposal, J.A.S.A., 58, 1963, p. 415-434. Zbl0114.10103
22. 22. R. J. QUINLAN, Learning Efficient Classification Procedure and their Application in Chess and Game. Machine Learning: an Artificial Intelligence Approach, Michalski, Carbonell, Mitchell éd., Pub. TIOGA, Palo, Alto, California, 1983, p. 463-482. 
23. 23. J. QUINQUETON et J. SALLANTINCALM: Contestation for Argumentative Learning Machine, in Machine Learning, a Guide to Current Research, Michalski Carbonnel Mitchell éd., Kluwer and sons, 1986. 
24. 24. R. J. PANKHURST, A Computer Program for Generating Diagnostic Keys, Computer Journal, 13, 1970, p. 145-151. 
25. 25. H. RALAMBONDRAINY, GENREG : un générateur de règles à partir de données, Actes des journées « Symboliques-Numériques » pour l'apprentissage de connaissances à partir d'observations, Université Paris-IX - Dauphine, CEREMADE, 1987. 
26. 26. M. TOUATI et E. DIDAY, Synthèse d'objets, Cahiers de CEREMADE, Université Paris-IX - Dauphine, 1989. 
27. 27. R. TRONCHER, J. LEBBE et R. VIGNES, Présentation d'un système expert d'aide au diagnostique des causes de surdité, Congrès O.P.A., Paris, 1987. 
28. 28. R. WILLE, Restructuring Lattice Theory: an Approach Based on Hierarchies of Concepts, Proceedings of the Symposium on Ordered Sets, IVAN RIVAL éd., 1981. Zbl1247.06004MR661303