Thomas Guyet (IRISA/DREAM) - Extraction de motifs dans des données spatiales et temporelles

Dans des domaines tels que la santé ou l’agronomie, de nombreuses données spatiales (images satellites, informations géographiques) et temporelles (séries temporelles, séquences d’événements) sont acquises dans le but d’extraire de l’information pour comprendre le fonctionnement des systèmes sous-jacents.

L’extraction de motifs (pattern mining) est une approche qui répond au besoin de formalisation de la connaissance cachée dans ces jeux de données complexes. Ces motifs exhibent les structures présentes dans les données. Mais la prise en compte de l’information temporelle et spatiale pour l’extraction de motifs symboliques posent des défis importants. Le principal défi est de réussir à allier la richesse d’expression des données et des motifs avec l’efficacité algorithmique des outils d’extraction.

L’objet de la présentation est, d’une part, de mettre en évidence l’intérêt de l’utilisation de l’information symbolique pour l’aide à la compréhension de données spatiales et temporelles et, d’autre part, de présenter une approche unifiée pour l’extraction de motifs fréquents incluant une dimension spatiale continue sur des graphes de voisinage ou une dimension temporelle continue sur des séquences.