SETIT 2009 5th

International Conference: Sciences of Electronic, Technologies of Information and Telecommunications

March 22-26, 2009 TUNISIA

- 1 -

Application des Systmes Immunitaires Artificiels Pour la Classification Plantaire

Hiba KHELIL* et Abdelkader BENYETTOU*

*Laboratoire SIMPA -Dpartement dinformatique Universit des sciences et technologie dOran, Mohammed BOUDIAF - USTOMB

ALGERIE hibakhelil@yahoo.fr

benyettou@simpa-usto.net

Rsum: La classification est un problme qui survient dans plusieurs domaines dapplication, comme la classification des emails, reconnaissance de la parole, reconnaissance des signatures, reconnaissance des visages pour ce but plusieurs mthodes sont appliques de diffrentes approches. Dans cet article nous prsenterons le systme immunitaire artificiel pour la classification plantaire, nous avons choisi les IRIS comme exemple dapplication de notre systme immunitaire artificiel. Nous prsenterons au dpart une ide gnrale sur le mcanisme dimmunit naturelle, par la suite nous donnerons les tapes dapprentissage des systmes immunitaires artificiels et en fin les diffrents rsultats obtenu par lapplication de ces mthodes pour la classification des plantes IRIS. Mots cls: Systme immunitaire artificiel (AIRS), antigne, anticorps, cellules B mmoire, IRIS.

INTRODUCTION La reconnaissance des formes est un domaine

assez vaste en intelligence artificielle, dont ont peut trouver la reconnaissance des visages, les empreintes, la parole, lcriture manuscrite le systme immunitaire artificiel est une approche bio-inspire assez rcente utilis pour diffrents problmatiques, comme la reconnaissance des formes [Sec et all, 03][Lin et all, 05][Den et all, 05][Den, 06][Goo et all, 02] [Wat et all, 05 b], dtection dintrusions [Kim et all, 01], robotique [Jun et all, 99], apprentissage machine [Tim, 00]

Le prsent travail est une application du systme immunitaire artificiel (AIRS) pour la classification plantaire des IRIS. AIRS est une mthode propos par A. Watkins en 2001 [Wat, 01] dans sa thse de Master luniversit de Mississipi, lamlioration de cet algorithme t en 2004 par A. Watkins, J., Timmis et L. Boggess [Wat et all, 04] dont les auteurs optimisent sur le temps dexcution et le nombre de cellules B mmoires gnres. Cette mthode t dot par la possibilit dapprentissage parallle prouv dans le PHD de A. Watkins de luniversit de Kent en 2005 [Wat, 05].

Dans cet article nous donnerons une bref dfinition sur le systme immunitaire naturel, en seconde partie nous reprsenterons le systme immunitaire artificiel par les diffrents algorithmes utiliss dans ce papier,

la fin nous donnerons les rsultats de classification des fleurs dIRIS ; des critiques et des conclusions seront aprs possible pour prouver la validit et la diffrences entre ces mthodes.

1. Le systme immunitaire naturel Le systme immunitaire biologique constitue une

arme contre les intrus qui pntrent le corps, pour cela plusieurs cellules contribuent pour llimination de cet intrus nomm antigne , ces cellules B et T participent pour ce quont appelle la rponse immunitaire biologique . Nous distinguons deux types de rponse immunitaire naturelle, une inn lmentaire et lente et lautre adaptative secondaire, rapide et intelligente [Emi, 06].

2. Le systme immunitaire artificiel Pour une bonne simulation du systme

immunitaire naturel, il est vident de bien comprendre son fonctionnement naturel dabord, ce qui nest pas simple, car cette simulation se base aussi sur des concepts mathmatiques et bio-inspirs la fois. Plusieurs tentatives ont vu leurs jours par leffort de plusieurs chercheurs. Dans ce travail nous allons prsenter quelques algorithmes dimmunit artificielle pour la reconnaissance des formes et voir aussi la simulation des facteurs principaux de la rponse immunitaire (antignes, anticorps et cellules B).

SETIT2009

- 2 -

3. AIRS : le systme immunitaire artificiel pour la reconnaissance des formes

Dans cette partie nous allons reprsenter un algorithme dapprentissage du systme immunitaire artificiel destin pour la reconnaissance des formes (AIRS), cet algorithme est propos par A. Watkins dans sa thse de Master de luniversit de Mississipi en 2001, ce dernier a connu une volution par la proposition de AIRS2 dans sa thse de PhD en 2005 luniversit de Kent [Goo et all, 02] [Wat, 01] [Wat et all, 05 a]. Dans cette session nous allons prsenter les algorithmes dapprentissages plus en dtail.

3.1. Les tapes dapprentissage AIRS Dans cette partie nous allons reprsenter un

algorithme dapprentissage du systme immunitaire artificiel destin pour la reconnaissance des formes (AIRS), cet algorithme est propos par A. Watkins dans sa thse de Master de luniversit de Mississipi en 2001 [Wat, 01], ce dernier a connu une volution par la proposition de AIRS2 dans sa thse de PhD en 2005 luniversit de Kent [Wat, 05]. Dans les prochaines sessions nous allons prsenter les algorithmes dapprentissage en dtail.

3.1.1. Etape dinitialisation Dans cette partie tout les donnes dapprentissage

(antignes) seront normalises et auront des valeurs dans lintervalle [0, 1]. Un seuil daffinit est calcul partir de cet ensemble dantigne, qui reprsente laffinit moyenne entre tous les exemples dapprentissage selon la formule (1) :

1 1( , )

_ ' ( 1)2

n n

i ji j i

affinit ag agseuil d affinit

n n

= = +=

(1)

Avec : gi et gj deux antignes. Affinit(gi,gj) retourne la distance euclidienne normalise entre gi et gj.

La dernire tape dinitialisation consiste initialiser lensemble des cellules mmoires (anticorps) et la population des ARB (Artificial Recognition Ball), partir de lensemble des antignes par tirage alatoire des exemples.

3.1.2. Etape didentification des cellules B et gnration des ARBs

Cette tape aura lieu pour chaque antigne de lensemble dapprentissage. Une cellule mmoire est slectionne de lensemble des cellules B est nomme matchmc , cette dernire ressemble1 le plus a lantigne en cours de traitement (la plus grande valeur de stimulation) selon la formule (2)

1 La ressemblance est calcule par la formule de stimulation : ( , ) 1 ( , )stimulation ag mc affinit ag mc=

.

argmax ( , )match mc MCag cmc stimulation ag mc=

(2)

Une fois que la cellule m a tc hm c est slectionne, elle sera utilise pour gnrer des nouveaux ARBs (clonage), cet ensemble sera additionn a lensemble total des ARBs gnr par lensemble des antignes pralablement trait. Le nombre de clone pour cette cellule sera calcul par la formule (3):

_

_ _ _ * _

* ( , )match en coursnombre clones hyper clonal rate clonal rate

stimulation mc ag=

(3)

Par la suite, chaque ARB gnr par matchmc est mut selon lalgorithme de mutation dcrit dans la thse de master de A. Watkins en 2001 [Wat, 01].

3.1.3. Etape de comptition des ressources et dveloppement des cellules mmoire candidates

Cette partie est complmentaire de la prcdente, car elle complte les informations des ARBs gnrs en calculant leurs ressources selon (4) entre chaque anticorps avec lantigne en cours de traitement ; ces ressources sont mis jour durant lapprentissage et chaque ARB nayant pas de ressources sera supprim de lensemble des ARBs [Wat, 01].

( , )* _

ressources stimulation ag anticorpsclonal rate

=

(4)

Les tapes 4.1.2 et 4.1.3 seront excutes pour un antigne donn jusqu ce que la condition

_ 's i S e u i l d a f f in i t soit vrifie, avec

| |

1.

,| |

iA B

jj

i ii

a b s tims a b j A B

A B=

=

(5)

Lorsque la condition darrt est valide, lensemble dARBs obtenu sera prt pour introduire ltape finale dapprentissage.

3.1.4. Etape dintroduction des cellules mmoires

Cette tape consiste choisir partir des ARBs la cellule candidate qui convient le plus lantigne en terme de similarit, en tenant compte la cellule

m atchm c dj slectionne dans 4.1.2. La cellule candidate sera additionne lensemble des cellules mmoires seulement si elle retourne une valeur de stimulation plus leve que la cellule m a t c hm c avec lantigne en cours de traitement, sinon la cellule

m atchm c sera retire de lensemble si sa stimulation entre la cellule candidate dpasse pas un seuil [Wat, 01].

Dans cette partie nous avons reprsent lalgorithme dapprentissage dun systme immunitaire artificiel destin pour la reconnaissance des formes, autres modifications sont port sur cet algorithme qui seront reprsent dans la prochaine

SETIT2009

- 3 -

session.

3.2. AIRS2 : Lapprentissage dalgorithme AIRS amlior

Cet algorithme ne diffre pas trop par rapport loriginal, seulement au niveau de la mutation et la comptition des ressources. Car dans la mutation les auteurs A. Watkins, J., Timmis et L. Boggess introduisent la notion de stimulation entre lanticorps et lantigne dans la formule de mutation, de mme pour la comptition des ressources qui prend en compte seulement des anticorps de mme classe que lantigne [Wat et all, 04] [Wat, 05].

3.3. Lapprentissage dalgorithme AIRS et AIRS2 par usage de facteur

Autres modifications sont port aussi sur AIRS et AIRS2, ces modifications sont seulement dans la dernire tape dapprentissage (introduction des cellules mmoires) plus prcisment sur le critre dintroduction de la cellule comme indiqu ci dessus :

( , )( , )

( , )( )

( * )

C an dS tim S tim ula tio n ag m cca nd ida te

M a tchS tim Stim u la tion a g m cm a tch

C ellA ff a ffin ity m c m cca nd ida te m a tch

if C an dS tim M atch Stimif C ellA ff A T A T S

M C M C m cm atch

M C M C m ccan did ate

>