Une J-mesure orientée pour élaguer des modèles de chroniques

Les systèmes de supervision de la plupart des applications industrielles génèrent une très grande quantité d’informations et les collectent dans des bases de données. Ce papier concerne la découverte de modèles de chroniques à partir de séquences d’événements. Chaque événement appartient à une certaine classe. Selon l’approche stochastique (Le Goc et al. (2005)), un ensemble de séquences est représenté sous la forme d’une chaîne de Markov afin de l’utiliser par la suite pour générer un modèle de chroniques (Le Goc et al. (2005)) sous forme de relations binaires entre classes d’événements C 7→ C. Le nombre des relations binaires peut être très grand, par conséquent une réduction de ce nombre est nécessaire. Pour cela, nous proposons une adaptation de la J-Measure de la théorie de l’information aux chaînes de Markov, la BJ-Measure, pour formuler des heuristiques d’élimination d’hypothèses.