| Résumé | L'exploration visuelle des données, au moyen d'espaces de réalité virtuelle (RV) non linéaires, est appliquée à des connaissances symboliques, sous forme de règles de production, obtenues par des méthodes d'approximation des ensembles, dans un problème de classification avec des classes partiellement définies et imprécises. Dans le contexte d'un problème de prospection géophysique, visant à découvrir des cavernes souterraines, on construit un espace non linéaire de réalité virtuelle pour les règles de production. La distribution des règles dérivées des ensembles d'approximation est caractérisée par un modèle flou, dans l'espace original 5D et dans l'espace 3D de RV. La fonction d'appartenance de la classe cible (la présence d'une caverne) est transférée des règles aux objets de données couverts par les règles correspondantes et mappée de nouveau sur l'espace physique initial. Le modèle flou construit dans l'espace de RV a prédit la présence possible de nouvelles cavernes dans certains sites et une de ces prédictions a été confirmée. |
|---|
