FR2951839A1 - Methode pour evaluer la ressemblance d'un objet requete a des objets de reference - Google Patents

Abstract

La présente invention concerne une méthode pour évaluer la classe d'une donnée de test dans un espace de données de dimension D où D ≥3, chaque donnée appartenant à au moins une classe regroupant plusieurs données. La méthode comporte une étape de projection d'un jeu de données de référence de l'espace de données dans un espace de dimension Q où Q < D, la classe de chaque donnée de référence étant connue. La méthode comporte également une étape de calcul d'une mesure de similarité de la donnée de test à chacune des données de référence. L'espace de projection est partitionné en une pluralité de régions disjointes, chaque région contenant la projection d'une et une seule donnée de référence. Les régions contenant les données de référence les plus proches de la donnée de test au sens de la mesure de similarité étant les régions susceptibles de contenir une projection de la donnée de test, la donnée de test appartient à une classe d'au moins une donnée de référence contenue dans l'une desdites régions Application : aide à la décision en discrimination, reconnaissance de formes, détection d'anomalies

Description

Méthode pour évaluer la ressemblance d'un objet requête à. des objets de référence La présente invention concerne une méthode pour évaluer la ressemblance d'un objet requête à des objets de référence. Elle s'applique par exemple dans le domaine de la reconnaissance de formes. Par exemple, l'objet peut être un objet matériel, un individu, l'état d'un système, ou encore un groupe de tels objets, individus ou états, dont on mesure des caractéristiques physiques.

Les discriminateurs permettent de classifier des objets, c'est-à-dire de prendre une décision sur l'appartenance d'un objet à une classe ou à plusieurs classes prédéfinies d'objets. Par exemple, les caractéristiques physiques de l'état d'un patient sont mesurées, comme sa taille, son poids, son âge, sa tension et sa température corporelle. Ce patient est l'objet requête ou patient requête. Les valeurs mesurées sont ensuite fournies à un discriminateur, qui compare ces caractéristiques à celles d'autres patients identifiés comme souffrant de telle ou telle maladie. Ces autres patients sont les objets de référence ou patients de référence. Les maladies sont les classes. Le discriminateur attribue au patient requête la même maladie que celle des patients de référence les plus proches au sens d'une mesure de proximité basée sur les caractéristiques mesurées. De telles applications sont utilisées pour l'aide à la décision, elles peuvent même permettre de se passer de l'avis de l'expert. Mais elles peuvent aussi fournir à l'expert une classe d'appartenance qui le conforte ou non dans le diagnostic qu'il porte sur le patient et qui peut l'inciter à une analyse plus fine en cas de désaccord. Cependant, l'intelligibilité du résultat du discriminateur est cruciale pour que l'expert puisse avoir confiance en celui-ci et que l'aide soit utile et efficace.

Afin d'obtenir la confiance de l'utilisateur, des systèmes d'aide à la décision proposent d'associer un indice de confiance à la décision prise par le discriminateur. La décision proposée n'est pas explicitée, lesystème se comportant comme une boîte noire, mais il fournit à l'utilisateur un indice censé le rassurer sur la qualité de cette décision. Cet indice peut être de nature probabiliste, ou encore obtenu par la comparaison relative des décisions de plusieurs discriminateurs différents. Dans tous les cas, cet indice est obtenu par un processus relativement complexe du point de vue de l'utilisateur non spécialiste des méthodes de discrimination. D'une certaine manière, le système de discrimination au sens large qui fournit à la fois une décision et un indice de confiance pour cette décision est juge et partie, ce qui n'est pas propice à inspirer la confiance de l'utilisateur.

D'autres systèmes d'aide à la décision sont basés sur l'explicitation de la décision prise par le discriminateur en termes intelligibles par l'utilisateur. Par exemple, les systèmes d'inférence floue expliquent leur décision comme le résultat d'une somme pondérée de règles logiques impliquant directement les caractéristiques d'origine des objets, ces grandeurs et leur combinaison étant supposées faciles à interpréter par l'utilisateur. Cependant, afin d'obtenir une discrimination de bonne qualité, le nombre de règles et de paramètres est souvent importants, ce qui diminue beaucoup l'intelligibilité du système.

Enfin, d'autres systèmes d'aide à la décision fournissent une probabilité d'appartenance à différentes classes. Dans ce cas, la décision prise par le discriminateur n'est pas unique et le système ne décide pas de l'attribution d'une classe en particulier. Le choix d'une classe pour l'objet requête est laissé à la sagacité de l'utilisateur, qui peut s'aider de ces probabilités. Cependant, les probabilités sont attribuées aux classes dans leur ensemble, sans explicitation du processus qui permet le passage des objets de références à leurs classes d'appartenance. Ainsi, bien que le nombre de probabilités à appréhender soit réduit, puisqu'il est égal au nombre de classes, le processus de calcul de ces probabilités reste inconnu pour l'utilisateur. Donc l'information est globalement peu intelligible pour lui.

Dans ces trois cas de discriminateur selon l'art antérieur, bien que le but initial soit d'assister le travail de l'utilisateur, on lui demande en réalité d'acquérir une compétence supplémentaire dans le domaine de la discrimination automatique. En effet, l'intelligibilité du système pour l'utilisateur dépend de sa compréhension des méthodes souvent sophistiquées employées pour générer la décision.

Outre l'utilisation de discriminateurs pour résoudre des problèmes de classification d'objets, il existe également des méthodes de visualisation des objets et des classes pour analyser la structure de classes ou encore qualifier des projections. Ces méthodes de visualisation peuvent par exemple s'appuyer sur des méthodes de projection des objets permettant notamment de représenter les objets et les classes sur une carte plane. La position des objets sur cette carte est telle que les objets qui se ressemblent d'après une mesure de similarité sont plutôt proches sur la carte. Réciproquement, des objets peu similaires sont plutôt éloignés l'un de l'autre sur la carte. Un objet requête peut alors être positionné sur cette carte par le même principe en tenant compte de sa similarité aux objets de référence déjà positionnés. Outre le problème technique du positionnement de cet objet requête par rapport aux autres, se pose le problème d'interprétation de cette position en termes de classe d'appartenance. En effet, qu'elles tiennent compte des classes ou non, les méthodes de projection induisent une perte d'information appelée faux voisinage ou recollement, qui rapproche artificiellement des objets en fait éloignés d'après la mesure de leur similarité. Ces faux voisinages existent soit parce qu'il est techniquement impossible de respecter l'ensemble des similarités lors de la projection, soit parce que bien qu'elle soit techniquement possible, la méthode de projection n'a pas su trouver cette solution. Ainsi, l'utilisateur peut attribuer à un objet requête la classe majoritaire des objets environnants sur la carte, même si ces objets sont faussement proches de l'objet requête.

Pour tenter de surmonter les problèmes liés aux faux-voisinages, des méthodes de diagnostic permettant de visualiser ces faux-voisinages ont été proposées, comme par exemple dans l'article "Visualizing distortions and recovering topology in continuous projection techniques" (Aupetit M., Neurocomputing, vol. 10, no. 7-9 pp. 1304-1330, 2007). Malheureusement, cette méthode ne permet pas d'évaluer la classe d'un objet requête à partir d'objets de référence appartenant à des classes connues. Ainsi, lorsqu'elle est mise en oeuvre pour qualifier une projection, la méthode manipule simplement des objets qui sont tous "sans étiquette", alors que lorsqu'elle est mise en oeuvre pour analyser la structure de classes, la méthode manipule simplement des objets qui sont tous "étiquetés".

Enfin, on peut aussi visualiser les objets de référence proche de l'objet requête sous forme d'une liste d'objets de référence ordonnés selon leurs proximités décroissantes à l'objet requête. C'est typiquement le cas dans les moteurs de recherche sur le réseau internet, où une requête entraîne l'affichage d'une liste de pages intemet de référence, ordonnées par proximité à la requête. Dans ce cas, la liste d'objets de référence présentée à l'utilisateur est dépendante de la requête utilisée d'une part, et présente un ordre linéaire d'autre part. Dans certains moteurs de recherche sur le réseau internet, la requête entraîne l'affichage d'un ensemble de pages internet de référence ordonnées sous formes de groupes sur une carte plane et mises en valeur graphiquement (couleur, taille...) de façon à signifier leur proximité à la requête. Dans ce cas encore, la carte présentée à l'utilisateur dépend de la requête. Dans tous ces cas, la liste des objets de référence présentés, ainsi que leurs positions dans la représentation spatiale (carte) ou linéaire (liste ordonnée), dépendent de la requête. L'utilisateur ne peut donc pas construire une représentation mentale stable de l'univers des objets de référence, cet univers ne lui étant jamais présenté de façon complète ou indépendante de la requête. II ne peut alors juger par lui-même de la qualité de l'information de proximité à la requête, qui lui est présentée. II ne peut pas non plus appréhender facilement les ressemblances ou les différences entre les objets requêtes traduits par leur représentation en termes d'objets de référence, puisqu'il n'a pas de base fixe de comparaison.

L'invention a notamment pour but de permettre à l'utilisateur de se faire une représentation mentale stable de l'univers des objets de référence indépendamment de l'objet requête. Pour cela, l'invention propose de découper la carte en zones disjointes chacune associée à un objet de référence, et d'indiquer à l'utilisateur dans chaque zone, le degré de ressemblance entre l'objet requête et l'objet de référence de cette zone.

Ainsi, il n'est pas nécessaire de positionner l'objet requête sur la carte, ni de définir une zone de la carte correspondant à l'objet requête. A cet effet, l'invention a pour objet une méthode pour évaluer la classe d'une donnée de test dans un espace de données de dimension D où D >_3, chaque donnée appartenant à au moins une classe contenant une ou plusieurs données. La méthode comporte une étape de projection d'un jeu de données de référence de l'espace de données dans un espace de dimension Q où Q < D, la classe de chaque donnée de référence étant connue. La méthode comporte également une étape de calcul d'une mesure de similarité de la donnée de test à chacune des données de référence. L'espace de projection est partitionné en une pluralité de régions disjointes, chaque région contenant la projection d'une et une seule donnée de référence. Les régions contenant les données de référence les plus proches de la donnée de test au sens de la mesure de similarité étant les régions susceptibles de contenir une projection de la donnée de test, la donnée de test appartient à une classe d'au moins une donnée de référence contenue dans l'une desdites régions. Avantageusement, les données de référence peuvent être projetées dans l'espace de projection de manière à minimiser une fonction dépendant de la mesure de similarité entre les données de référence et de la distance entre les projections desdites données de référence, de sorte à préserver, dans l'espace de projection, l'organisation spatiale des données de référence. Par exemple, les régions peuvent être les régions de Voronoï associées aux projections des données de référence dans l'espace de 25 projection. Par exemple, les données peuvent être des caractères manuscrits numérisés, les classes pouvant regrouper les caractères identiques, chaque donnée pouvant être définie par un vecteur de pixels. Dans un mode de réalisation, les données peuvent être des 30 courbes sismiques numérisées, une classe pouvant regrouper les courbes dont l'enregistrement correspond à un tremblement de terre et une autre classe pouvant regrouper les courbes dont l'enregistrement ne correspond pas à un tremblement de terre. Dans un autre mode de réalisation, les données peuvent être des 35 photographies numériques de mélanomes, une classe pouvant regrouper les photographies de mélanomes malins et une autre classe pouvant regrouper les photographies de mélanomes bénins.

La présente invention a également pour objet une méthode pour aider un utilisateur à décider la classe d'une donnée de test dans un espace de données de dimension D où D >_3, chaque donnée appartenant à une classe contenant une ou plusieurs données. La méthode comporte une étape selon l'invention pour évaluer la classe de la donnée de test, ainsi qu'une étape de présentation à l'utilisateur des régions contenant les projections des données de référence qui sont les plus proches de la donnée de test au sens de la mesure de similarité. Par exemple, la région contenant la projection de la donnée de référence qui est la plus proche de la donnée de test au sens de la mesure de similarité peut être présentée à l'utilisateur par utilisation d'une couleur prédéfinie pour la représenter. Par exemple, les régions contenant les projections des données de référence qui sont les plus proches de la donnée de test au sens de la mesure de similarité peuvent être présentées à l'utilisateur par utilisation de couleurs prédéfinies pour les représenter, de manière à représenter les régions par ordre décroissant de similarité avec la donnée de test. Avantageusement, la méthode peut comporter une étape d'attribution par l'utilisateur d'une classe à la donnée de test, la classe attribuée par l'utilisateur à la donnée de test pouvant être ou pas la classe d'une donnée de référence contenue dans l'une des régions présentées à l'utilisateur.

La présente invention a également pour objet un dispositif de reconnaissance de formes, caractérisé en ce qu'il implémente une méthode selon l'invention.

L'invention a encore pour principaux avantages qu'elle fournit, à partir d'une carte des objets de référence, un moyen graphique qui rend immédiatement intelligible à l'utilisateur toutes les similarités entre l'objet requête et les objets de référence sans induire de choix a priori.

Paradoxalement, un autre avantage de l'invention est qu'elle ne fournit pas de décision: l'utilisateur sait qu'il reste indispensable dans son rôle de décideur, ce qui est propice à maintenir chez lui un sentiment de responsabilité face à la prise de décision. De même, s'il souhaitait se dérober à des obligations morales ou légales, en usant de la facilité qu'il y a à s'en remettre à une décision fournie par un système automatique, il n'a pas cette possibilité avec l'invention. Cette absence de décision automatique est aussi propice à ce que l'utilisateur projette sur la méthode un comportement collaboratif plutôt que concurrentiel, susceptible d'accroître la confiance qu'il a en celle-ci.

D'autres caractéristiques et avantages de l'invention apparaîtront à l'aide de la description qui suit faite en regard de dessins annexés qui 15 représentent : la figure 1, par une carte de données, un exemple de mise en oeuvre de l'invention; la figure 2, un autre exemple de carte de données utlisable pour mettre en oeuvre l'invention; 20 les figures 3, 4 et 5, par une même carte de données, des exemples de mise en oeuvre de l'invention.

La figure 1 illustre un exemple de carte d'espèces animales selon 25 l'invention. Un objet requête correspondant à l'espèce humaine, non représenté sur la figure 1, est caractérisé par un ensemble de mesures de similarité à des objets de référence, chaque objet correspondant à une autre espèce animale. Ainsi, un objet de référence correspond à l'espèce des palourdes, un autre à l'espèce des homards, un autre à l'espèce des 30 coccinelles, un autre à l'espèce des abeilles, un autre à l'espèce des kiwis, un autre à l'espèce des soles, un autre à l'espèce des haddocks, un autre à l'espèce des corneilles, un autre à l'espèce des goélands, un autre à l'espèce des poissons chats, un autre à l'espèce des dauphins, un autre à l'espèce des crapauds, un autre à l'espèce des hamsters, un autre à l'espèce des 35 phoques, un autre à l'espèce des piranha, un autre à l'espèce des lièvres, un autre à l'espèce des taupes, un autre à l'espèce des chèvres, un autre à l'espèce des pumas et un autre à l'espèce des gorilles. Avantageusement, la région autour de chaque objet de référence peut être colorée en fonction de la proximité de l'homme à l'espèce correspondante, ceci selon une métrique donnée. Grâce à l'invention, on peut observer la proximité de l'homme aux mammifères, aux gorilles en particulier.

Pour cela, l'invention s'appuie notamment sur les principes qui suivent. Un ensemble S contient N objets de référence, qui sont décrits par un ensemble de NxK mesures de similarité M={zmiq}z=1...K,i=1...N entre chaque objet i de S et un objet requête q qui n'appartient pas à S. Les similarités zmiq sont des nombres réels dont la valeur est une fonction prenant au moins en argument l'objet i considéré et l'objet q. Eventuellement, zmiq peut être obtenue à partir d'une mesure de distance définie entre les objets i et q représentés sous forme de vecteurs de D caractéristiques vi et Vq définis dans une base BD de IRD. Il peut éventuellement manquer des valeurs de similarité zmiq, l'absence de valeur est alors codée de façon spécifique. La classe d'appartenance des objets peut éventuellement être fournie, elle peut prendre la forme d'une valeur prise parmi C valeurs possibles, chacune identifiant une classe d'appartenance. Pour définir l'apparence de chaque objet i de S par rapport à l'objet requête q, on considère aussi un ensemble de K paramètres pii à piK, soit N vecteurs pi définis dans une base Bp de IRK, ainsi que K fonctions de zmiq, fil à fIK définies sur IR et à valeur dans IR, telles que pour tout z de 1...K, piz=f1z(zmiq). La fonction fiz peut dépendre d'autres paramètres, mais elle dépend dans tous les cas au minimum de zmiq. Les objets de référence sont positionnés sur une carte, c'est-à- dire un espace métrique à Q dimensions défini par une base BQ, ainsi la position de l'objet de référence i est définie par un vecteur wi à Q composantes dans BQ. Ce positionnement peut être naturel, les objets de référence pouvant déjà posséder des coordonnées permettant une représentation sur la carte. Sinon, ce positionnement peut être manuel, effectué par l'utilisateur de l'invention. Ou encore ce positionnement peut être automatique: des mesures de similarité entre objets de référence, ou encore leur position dans la base BD, sont alors utilisées pour définir la position dans la base BQ des objets de référence. Par exemple, les objets de référence peuvent être positionnés sur la carte de manière à minimiser une fonction des mesures de similarité entre les objets de référence et des distances entre leurs projections sur la carte de sorte à préserver sur la carte l'organisation spatiale des objets de référence dans la base BD, cette fonction pouvant par exemple être la somme pondérée des valeurs absolues des écarts deux à deux élevés à une puissance x entre la mesure de similarité entre les objets de référence et la distance euclidienne entre leurs projections sur la carte, la pondération étant une fonction des mesures de similarité entre les objets de référence et des distances entre leurs projections sur la carte, par exemple pour privilégier la préservation des petites distances plutôt que des grandes, et la puissance x étant un nombre réel.

Puis, chaque objet i de référence est représenté par une région R; décrite ci-dessous et dont w; détermine la position. Pour chaque objet i de référence positionné sur la carte, on définit une région R; dont l'apparence est paramétrée par les K nombres réels pi=(pii,...,p;K). Des apparences spécifiques sont associées aux différentes combinaisons possibles d'absence de valeur pour ces paramètres. Dans un exemple de réalisation décrit par la suite, pour chaque objet i, on peut colorer en gris la région de Voronoï du point de coordonnées w;, l'intensité lumineuse de ce gris étant proportionnelle à la valeur d'un paramètre p;i. Dans un autre exemple de réalisation, on peut colorer la région de Voronoï du point w; à partir de l'échelle de couleur Rouge, Vert, Bleu, la couleur étant définie par la valeur de trois paramètres p;i, p;2 et p;3 dans cette échelle. Les paramètres p; peuvent aussi servir à modifier la forme ou la taille par exemple des régions R;. Avantageusement, l'objet requête peut être visualisé par l'apparence des régions R. Cette apparence peut être déterminée par le calcul des paramètres piz qui sont des fonctions de zmiq et éventuellement d'un ensemble quelconque de paramètres supplémentaires. Si zm;q n'a pas de valeur (valeur manquante), le paramètre piz ne fournit pas de valeur et une apparence spécifique est alors utilisée.35 Par exemple, on peut définir piz comme suit :

p;Z = (zmiq - mm)/(mM - mm) où mm et mm sont deux paramètres d'échelle.

Par exemple, on peut utiliser mm = mink(zmkq) et mm = maxk(zmkq)

La figure 2 illustre un exemple de carte de données pouvant être utilisée pour mettre en oeuvre l'invention dans un système d'aide à la décision, par exemple un système de reconnaissance de caractères manuscrits. Ainsi, les objets peuvent être des imagettes de chiffres manuscrits de 8 x 8 pixels en niveaux de gris. Les imagettes sont séparée en 10 classes équilibrées correspondant aux dix chiffres (0, 1, 2, ..., 9). L'objectif est de retrouver la classe d'une imagette requête, c'est-à-dire de déterminer le chiffre de 0 à 9 qui est représenté par une matrice de 8 par 8 pixels, ce chiffre n'étant pas connu a priori. Dans le présent exemple, 300 imagettes de référence ont été choisies arbitrairement dans une base publique. A l'aide d'une méthode pour laquelle la demanderesse a déposé une autre demande de brevet, les 300 imagettes ont été positionnées dans un plan pour former une carte, de sorte que les imagettes sont regroupées sur la carte dans des zones. Chaque zone peut être facilement délimitée visuellement à partir de la classe d'appartenance des imagettes qu'elle contient, c'est-à-dire du chiffre manuscrit que représentent les imagettes qu'elle contient, ce chiffre étant connu a priori.

Les figures 3, 4 et 5 illustrent la même carte de données que la carte de la figure 2, la carte étant utilisée pour évaluer selon l'invention les chiffres que représentent trois exemples d'imagettes requêtes. Les trois imagettes requêtes correspondent aux imagettes situées en haut à gauche des figures 3, 4 et 5, il s'agit du chiffre 0, du chiffre 1 et de la lettre x respectivement. Il faut bien comprendre que, conformément à l'invention, ces trois imagettes requêtes ne sont pas positionnées sur la carte illustrée par les figures 3, 4 et 5.35 Dans le présent exemple, chaque imagette, que ce soit l'une des trois imagettes requêtes ou l'une des 300 imagettes de référence, peut être définie par un vecteur à 64 valeurs dans [0,1], chaque valeur dans [0,1] représentant l'intensité lumineuse d'un pixel. Dans le présent exemple illustré par les figures 3, 4 et 5, les régions permettant la visualisation peuvent être les régions de Voronoï associées à chacune des imagettes de références. La région de Voronoï associée à une imagette de référence contient l'ensemble des points du plan qui sont plus proches du point représentant cette imagette sur la carte que de tout autre point représentant une imagette. Puis, sur présentation d'une imagette requête, les régions de Voronoï sont colorées pour visualiser la similarité entre l'objet requête considéré et chaque objet de référence. Cette similarité est déterminée à partir des mesures de similarité M, qui peut être, dans le présent exemple, la distance euclidienne dans l'espace vectoriel des pixels à 64 dimensions. Par exemple, la couleur peut être d'autant plus claire que l'imagette de référence est proche de l'imagette requête au sens de la distance euclidienne. Ainsi, une distance euclidienne m nulle (imagette identique) peut être représentée par une région blanche, alors qu'une distance euclidienne m élevée peut être représentée par une région noire. Pour fixer la distance euclidienne minimum correspondant à une région noire, on peut par exemple calculer pour chaque imagette de référence la distance euclidienne à son 6ème plus proche voisin, la distance minimum pouvant être le maximum des six distances calculées. Ainsi, une distance euclidienne m plus grande que cette distance minimum peut être représentée par la couleur noire, les distances euclidienne plus courtes pouvant être colorées selon un niveau de couleur allant du rouge sombre (m grand) au jaune orangé, puis au blanc (m nulle).

Ainsi, lorsque l'imagette requête représente le chiffre manuscrit 0, 3o comme illustré par l'encart en haut à gauche de la figure 3, un groupe de régions voisines apparaissent sans ambiguïté très éclaircies, notamment en jaune et en orange. Ce sont les régions associées aux imagettes de référence appartenant à la classe O. Cela indique à l'utilisateur que l'imagette requête appartient vraisemblablement à cette classe, ce qui est effectivement 35 le cas. L'invention est donc efficace dans le domaine de la reconnaissance de formes. Dans une application générique, il s'agit d'un objet présentant toutes les caractéristiques typiques d'un objet de référence. La décision est alors facile et le risque d'erreur est faible. Dans le cadre d'un système d'aide à la décision, un signal d'avertissement « Rien à signaler » pourrait être émis à l'intention de l'utilisateur.

Par contre, lorsque l'imagette requête représente le chiffre manuscrit 1 illustré par l'encart en haut à gauche de la figure 4, ce ne sont que quelques régions éparses qui apparaissent légèrement éclaircies, notamment en rouge. Ce sont des régions associées à des 1, à des 2, à des 4, à des 5 et à des 9. Ces régions occupent des zones du plan très différentes, correspondant à des classes variées et aucune n'est très fortement éclaircie. La décision est donc difficile et la prudence s'impose. Notons toutefois qu'il est également difficile pour un lecteur de deviner avec certitude le chiffre sur la base de l'imagette requête. Dans une application générique, il s'agit d'un nouvel objet inhabituel mais qui reste identifiable à quelques unes des classes de référence. Dans ce cas, une analyse approfondie s'impose. Dans le cadre d'un système d'aide à la décision, un signal d'avertissement « Attention » pourrait être émis à l'intention de l'utilisateur.

Enfin, lorsque l'imagette requête représente la lettre x, comme illustré par l'encart en haut à gauche de la figure 5, c'est-à-dire un caractère qui ne correspond à aucune imagette de référence. Dans ce cas, aucune région n'est éclaircie, ce qui peut être interprété comme un indice d'une anomalie de la donnée présentée. Ainsi, l'invention proposée permet facilement à l'utilisateur de détecter cette anomalie. Dans une application générique, il s'agit d'un nouvel objet atypique et non identifiable aux classes de référence. Dans ce cas, une analyse approfondie s'impose, la création d'une nouvelle classe est à envisager. Dans le cadre d'un système d'aide à la décision, un signal d'avertissement « Stop » pourrait être émis à l'intention de l'utilisateur.35 Ainsi, selon l'invention, l'imagette requête n'est jamais positionnée sur la carte, ce qui évite toute contradiction visuelle entre le voisinage artificiel qu'induirait ce positionnement et le voisinage réel fourni par les mesures de similarité. L'invention ne visualise que le voisinage réel fourni par les mesures de similarité, de manière à optimiser l'intelligibilité de l'information visualisée.

II faut noter qu'il peut n'exister aucune mesure de similarité entre l'objet requête et un objet de référence (valeur manquante), mais qu'il peut aussi en exister une ou plusieurs. Au sens de la présente invention, une mesure de similarité est une fonction prenant comme argument deux objets et des paramètres indépendants de ces objets, comme par exemple une distance entre deux objets ou une incertitude sur la distance entre deux objets, ou encore un paramètre d'échelle servant à déterminer la dynamique des valeurs de la mesure de similarité, comme son minimum et son maximum. Chaque objet de référence peut être caractérisé par sa position sur la carte et éventuellement par une ou plusieurs mesures de similarité à tous les autres objets de référence. Au moins un des objets de référence peut être positionné manuellement ou automatiquement sur la carte, éventuellement à partir de l'ensemble des mesures de similarités, de sorte à permettre l'appréhension visuelle. Afin de faciliter l'interprétation visuelle, il est préconisé un positionnement tel qu'en premier lieu, plus les objets de références sont similaires suivant une mesure supplémentaire fournie, plus ils sont proches sur la carte, et en second lieu, les objets de même classe sont proches et ceux de classes différentes sont éloignés les uns des autres sur la carte. Mais l'objet requête n'est pour sa part jamais positionné sur la carte. Aucune, une ou plusieurs des mesures de similarité entre l'objet requête et un objet de référence peuvent être visualisées sur la carte par une apparence spécifique, par exemple en termes de taille, de forme, de texture de couleur, ou encore sous la forme d'une région associée à cet objet de référence. Cela peut permettre de visualiser l'absence de mesure, ou de visualiser une similarité munie de son imprécision ou de son incertitude.

Les objets de référence peuvent posséder aucune, une ou plusieurs caractéristiques ordinales ou numériques, qu'elles soient continues ou discrètes (température d'un four, azimut d'un écho radar, nombre de roues d'un véhicule). De même, les objets de référence peuvent posséder aucune, une ou plusieurs caractéristiques nominales, comme le nom, le genre ou la classe d'appartenance. Ces caractéristiques supplémentaires peuvent être visualisées sur la carte par une apparence spécifique, par exemple en termes de taille, de forme, de texture, de couleur, ou encore sous la forme d'une région associée à cet objet de référence. ~o L'invention permet à l'utilisateur d'appréhender visuellement et globalement la proximité de l'objet requête aux objets de référence en termes de similarité. Ainsi, elle l'aide à prendre une décision quant à la nature de cet objet et au traitement qui peut lui convenir. L'association d'une visualisation de type cartographique dont la position des objets de référence est stable, 15 d'une mesure de similarité à visualiser sur la carte, ainsi que l'absence de positionnement de l'objet requête sur la carte rendent l'invention plus spécialement exploitable dans le domaine de l'aide à la décision en discrimination et dans le domaine de la détection d'anomalie d'un objet requête relativement à des objets de référence. 20

L'invention a encore pour principal avantage de présenter une carte des objets de référence telle que la position de ces objets ou des zones 25 servant à les représenter est fixe et indépendante de l'objet requête. Cette carte constitue donc une base stable permettant une appréhension visuelle de l'univers des objets de référence, ainsi qu'une mémorisation facile de cette représentation. Cette stabilité permet à l'utilisateur de focaliser son attention sur les ressemblances entre l'objet requête et les objets de 30 référence plutôt qu'entre les objets de références eux-mêmes, car il n'est pas perturbé par des changement de position des objets de référence. Par ailleurs, en l'absence de positionnement de l'objet requête parmi les objets de référence, il n'y a pas de stimuli contradictoires entre l'objet requête et les objets de référence.

De plus, la représentation de la ressemblance entre l'objet requête et les objets de référence par un paramètre visuel de ces objets de référence, autre que leur position, offre une perception visuelle immédiate des objets de référence les plus semblables ou les plus différents de l'objet requête.

L'invention décrite précédemment a encore pour principal avantage qu'aucune décision n'est prise : il n'y a pas d'indice de confiance, ni de combinaison de règles logiques, ni de probabilité d'appartenance globale à des classes, toutes informations dont l'utilisateur ne maîtrise pas la provenance et l'interprétation. Ce sont les mesures de similarité entre l'objet requête et chaque objet de référence qui sont visualisées. Surtout, c'est bien une mesure de similarité entre l'objet requête et chaque objet de référence qui est visualisée, et pas seulement une caractéristique des objets de référence indépendante de l'objet requête. Ce point est particulièrement avantageux lorsque les objets possèdent plus d'une caractéristique, rendant difficile la visualisation sur une même carte de ces multiples caractéristiques pour chaque objet et compliquant d'autant la comparaison visuelle aux caractéristiques de l'objet requête.

De plus, l'invention permet de visualiser sans déformation les mesures de similarité brutes fournies en entrée. Suivant l'application, la mesure sera connue de l'utilisateur ou au moins lui sera intelligible: il n'y a pas de biais dû à un autre traitement non maîtrisé par l'utilisateur. Ceci rend intelligible l'information visualisée et est propice à ce que l'utilisateur ait confiance dans cette information. L'invention s'applique également à des objets qui n'ont pas nécessairement de représentation naturelle sous forme de carte, car la représentation de la ressemblance entre l'objet requête et les objets de référence ne dépend pas de ce positionnement. L'invention peut donc non seulement s'appliquer à des objets positionnés sur la carte par un moyen automatique ou manuel quelconque, mais elle peut également s'appliquer à des objets dont la représentation graphique sous forme de carte est prédéfinie, comme les frontières de zones géographiques par exemple, où chaque zone correspond à un objet de référence. La mesure visualisée est une mesure de similarité entre l'objet requête et les objets de référence, ce qui permet de positionner mentalement le premier par rapport aux seconds, alors que les cartes selon l'art antérieur représentent une information propre aux objets de référence représentés, indépendamment de l'objet requête.

Les domaines d'application de l'invention sont vastes, la méthode selon l'invention étant générique et pouvant donc s'appliquer à tout domaine impliquant un système d'aide à la décision en discrimination, notamment les systèmes de reconnaissance de forme.

Par exemple, l'invention est applicable dans le domaine de l'aide au diagnostic médical, comme le diagnostic des mélanomes. En effet, le diagnostic des mélanomes est très difficile pour les médecins généralistes. Des outils d'aide à la décision peuvent assister les médecins généralistes dans leur choix d'envoyer ou pas les patients consulter un dermatologue.

Ainsi, le mélanome « requête » colore les mélanomes de référence et permet au médecin de déterminer sa gravité. On peut généraliser à d'autres pathologies pour lesquelles l'invention permettrait d'aider le médecin dans l'orientation du patient dans le parcours de soins. Par exemple, l'invention est applicable dans le domaine de la recherche de l'origine des événements sismiques, comme la détermination de leur origine naturelle ou anthropique (e.g. tirs de carrière). C'est un travail de routine fait par des analystes géophysiciens à partir de signaux captés sur de multiples stations de mesure. L'analyste visualise une carte des événements habituellement rencontrés, regroupés spatialement en fonction de leur origine. L'événement en cours d'analyse colore sur la carte les événements de référence similaires, aidant ainsi l'analyste à déterminer l'origine de celui-ci. Par exemple, l'invention est applicable dans le domaine du marketing, comme l'analyse du comportement des clients. Des clients de référence peuvent être visualisés et regroupés par catégorie sur une carte, chaque catégorie correspondant à une cible particulière à qui sont envoyés des messages publicitaires spécifiques. Un nouveau client est visualisé selon sa proximité aux clients de référence, ce qui permet de reconnaître la ou les catégories dont il est le plus proche.

Par exemple, l'invention est applicable dans le domaine de l'évaluation de risque en crédit, en bourse ou en assurance. Il s'agit d'évaluer les risques de dérive de la situation financière d'un client pour définir le type de crédit ou le taux de risque à lui appliquer.

Par exemple, l'invention est applicable dans le domaine de la biométrie. Un individu peut être identifié par une photographie de son visage ou une empreinte digitale. Ces éléments peuvent être comparés à ceux de référence positionnés sur une carte. L'analyste enquêteur voit rapidement si l'individu est similaire à un ou plusieurs individus de référence ou au contraire complètement nouveau. Par exemple, l'invention est applicable dans le domaine de la sécurité industrielle ou informatique. Dans une centrale nucléaire, l'opérateur chargé de la surveillance du fonctionnement de la centrale visualise une carte des différents états de référence habituellement mesurés lors d'un fonctionnement normal. L'état actuel de fonctionnement s'affiche sous forme d'une coloration des états de référence liée à leur similarité à cet état actuel. Si l'état actuel apparait s'éloigner de plus en plus des états de référence, l'opérateur le voit et déclenche les procédures adéquates d'arrêt, d'évacuation ou de simples contrôles. De même, on peut détecter un intrus dans un système informatique, dont les comportements ne ressemblent pas à des comportements normaux référencés. Par exemple, l'invention est applicable dans le domaine du transport, de la logistique ou encore de la maintenance prédictive. Il s'agit alors de suivi de l'état des flux et de détection visuelle de dérives par rapport à une situation de référence. Par exemple, l'invention est applicable dans le domaine du classement de documents numériques, de type favoris internet, pages web ou encore dossiers personnels. Un internaute qui visualise un nouveau site internet et qui souhaite l'ajouter dans la liste de ses sites préférés se voit 3o alors présenter les sites déjà présents dans cette liste sous forme d'une carte. Le nouveau site colore alors les sites préférés en fonction de leur similarité avec lui, ce qui permet à l'internaute de décider de la ou des catégories les plus appropriées pour le classer, ou de la création d'une nouvelle catégorie. On peut décliner ce principe pour tout type de document, 35 que ce soit des photos, de la vidéo ou du texte.

Par exemple, l'invention est applicable dans le domaine de l'aide au consommateur dans le choix d'un produit complexe définit par de multiples caractéristiques, comme un téléviseur, une machine à laver, un téléphone portable, un ordinateur, une voiture, une maison, une assurance, un produit d'investissement, un abonnement de téléphonie mobile. Dans ce dernier cas, typique, les offres de forfait (références) sont représentées sur une carte, et l'on demande au client de définir son type de consommation (donc son forfait idéal). L'invention permet alors de présenter au client les forfaits les plus proches de son forfait idéal, l'organisation en carte permettant de distinguer nettement les forfaits proches de l'idéal client par rapport aux autres. L'invention permet alors également de distinguer les différentes familles de forfaits qui différeraient drastiquement selon des caractéristiques que le client n'aurait pas renseignées (prix, option internet...). Cela permet au client de se focaliser sur chacune de ces familles d'offres très rapidement et de visualiser « où » il se trouve dans le maquis des informations grâce à la carte.

Claims (4)

1. REVENDICATIONS1. Méthode pour évaluer la classe d'une donnée de test dans un espace de données de dimension D où D >_3, chaque donnée incluant au moins une mesure d'une caractéristique physique d'un objet, chaque donnée appartenant à au moins une classe contenant une ou plusieurs données, la méthode étant caractérisée en ce qu'elle comporte: une étape de projection d'un jeu de données de référence de l'espace de données dans un espace de dimension Q où Q < D, la classe de chaque donnée de référence étant connue; une étape de calcul d'une mesure de similarité de la donnée de ~o test à chacune des données de référence; l'espace de projection étant partitionné en une pluralité de régions disjointes, chaque région contenant la projection d'une et une seule donnée de référence, les régions contenant les données de référence les plus proches de la donnée de test au sens de la mesure de similarité 15 étant les régions susceptibles de contenir une projection de la donnée de test, la donnée de test appartient à une classe d'au moins une donnée de référence contenue dans l'une desdites régions.
2. 2. Méthode selon la revendication 1, caractérisée en ce que les données de 20 référence sont projetées dans l'espace de projection de manière à minimiser une fonction dépendant de : - la mesure de similarité entre les données de référence; - la distance entre les projections desdites données de référence; de sorte à préserver, dans l'espace de projection, l'organisation spatiale 25 des données de référence.
3. 3. Méthode selon la revendication 2, caractérisée en ce que les régions sont les régions de Voronoï associées aux projections des données de référence dans l'espace de projection.
4. 4. Méthode selon la revendication 3, caractérisée en ce que les données sont des caractères manuscrits numérisés, les classes regroupant les caractères identiques, chaque donnée étant définie par un vecteur de pixels. 30 . Méthode selon la revendication 1, caractérisée en ce que les données sont des courbes sismiques numérisées, une classe regroupant les courbes dont l'enregistrement correspond à un tremblement de terre et une autre classe regroupant les courbes dont l'enregistrement ne correspond pas à un tremblement de terre. 6. Méthode selon la revendication 1, caractérisée en ce que les données sont des photographies numériques de mélanomes, une classe regroupant les photographies de mélanomes malins et une autre classe regroupant les photographies de mélanomes bénins. 7. Méthode pour aider un utilisateur à décider la classe d'une donnée de test dans un espace de données de dimension D où D >_ 3, chaque donnée appartenant à une classe contenant une ou plusieurs données, la méthode étant caractérisée en ce qu'elle comporte: une étape selon la revendication 1 d'évaluation de la classe de donnée de test; une étape de présentation à l'utilisateur des régions contenant les projections des données de référence qui sont les plus proches de 20 la donnée de test au sens de la mesure de similarité. 8. Méthode selon la revendication 7, caractérisée en ce que la région contenant la projection de la donnée de référence qui est la plus proche de la donnée de test au sens de la mesure de similarité est présentée à 25 l'utilisateur par utilisation d'une couleur prédéfinie pour la représenter. 9. Méthode selon la revendication 7, caractérisée en ce que les régions contenant les projections des données de référence qui sont les plus proches de la donnée de test au sens de la mesure de similarité sont 30 présentées à l'utilisateur par utilisation de couleurs prédéfinies pour les représenter, de manière à représenter les régions par ordre décroissant de similarité avec la donnée de test. 10. Méthode selon la revendication 7, caractérisée en ce qu'elle comporte 35 une étape d'attribution par l'utilisateur d'une classe à la donnée de test, laclasse attribuée par l'utilisateur à la donnée de test pouvant être ou pas la classe d'une donnée de référence contenue dans l'une des régions présentées à l'utilisateur. 11. Dispositif de reconnaissance de formes, caractérisé en ce qu'il implémente une méthode selon l'une quelconque des revendications précédentes.