Visual Spatial Data mining (VSDM) appliqué à l’épidémiologie

Abstract

La plupart des grandes bases de données actuellement disponibles ont une forte composante spatiale et contiennent des informations potentiellement utiles qui pourraient être de valeur. La discipline chargée de l’extraction de ces informations et connaissances est le data mining. La découverte de connaissances est effectuée en appliquant des algorithmes automatiques qui reconnaissent des modèles dans les données. Les algorithmes d’exploration de données classiques supposent que les données sont générées de façon indépendante et identiquement distribuées. Les données spatiales sont multidimensionnelles, spatialement autocorrélées et hétérogènes. Ces propriétés font en sorte que les algorithmes de data mining classique soient inappropriées pour les données spatiales, et que leurs hypothèses de base cessent d’être valables. L’extraction de connaissances à partir de données spatiales nécessite donc des approches particulières. Une façon de le faire est d’utiliser l’exploration visuelle des données. Lorsque le data mining visuel est appliquée aux données spatiales, il fait partie de la discipline appelée Visual Spatial Data Mining (VSDM). Les deux types de data mining : automatique et visuel, ont leurs avantages respectifs. Les ordinateurs peuvent traiter de grandes quantités de données beaucoup plus rapidement que les humains, alors que les humains sont capables de reconnaître des objets et d’explorer visuellement les données beaucoup plus efficacement que les ordinateurs. Une combinaison de l’exploration de données visuelle et automatique rassemble les compétences humaines cognitives et informatiques pour une découverte de connaissance efficace. Ce projet propose l’utilisation du VSDM pour la découverte de connaissance dans des données spatiales dans le domaine épidémiologique.