.. Les-règles-d-'association-comme-ensemble-logique, 97 4.2.1 Des implications selon Guigues et Duquenne aux règles d'association, p.97

. La-réciproque-n, est pas vraie : on peut avoir l'égalité des extensions de deux motifs sans avoir l'inclusion d'un motif dans l'autre. On peut le voir avec les motifs "ab" et "bc

. Preuve, Appelons C le motif sur lequel la règle A?B est dénie, donc C=A?B

R. Agrawal, R. Srikant, and H. , Fast algorithms for mining association rules in large databases, Research Report RJ, vol.9839, 1994.

H. Agrawal, R. Mannila, H. Srikant, A. I. Toivonen, and . Verkamo, Fast Discovery of Association Rules, in Advances in Knowledge Discovery and Data Mining, pp.307-328, 1996.

H. R. Alker and C. Traduit-par-paradeise, Introduction à la sociologie mathématique" Canada. Larousse Université, Chapitre, vol.6, 1973.

C. J. Anderson, Applied categorical data lecture notes, 2002.

J. Aracil, Introduction à la Dynamique des Systèmes, 1984.

M. Armatte, Robert Gibrat et la loi de l'eet proportionnel, Math. Inf. Sci. Hum, vol.33, issue.129, pp.5-35, 1995.

J. Azé and Y. Et-kodrato, Évaluation de la résistance au bruit de quelques mesures d'extraction de règles d'association", Extraction de connaissances et apprentissage, pp.143-154, 2002.

. Baillargeon, La régression linéaire, Edition des trois Sources, 2000.

M. Barbut and B. Monjardet, Ordre et classication, 1970.

Y. Bastide, Data mining : algorithmes par niveau. techniques d'implantation et applications, Thèse d'informatique, 2000.

R. Y. Bastide, R. Taouil, N. Pasquier, G. Stumme, and L. Lakhal, Pascal : un algorithme d'extraction des motifs fréquents, Technique et science informatiques, pp.65-75, 2002.

L. Batola, Statistiques et économétrie, 1983.

C. Batanero, J. D. Godino, and V. Navarro-pelayo, The use of implicative and correspondence analysis of assessing Pupils combinatorial reasoning, Actes du colloque de l'ARDM (UFM de Caen), 1995.

B. François, Modèles et données : une introduction à la Statistique uni-, bi-et trivariée. Paris ; Montréal (Qc) : L'Harmattan, 1998.

R. Belohlavek, Fuzzy Galois connections Mathematical logic quaterly, pp.497-504, 1999.

B. Naceur-mourali and C. Gonzales, Une unication des algorithmes d'inférence de Pearl et de Jensen revue d'intelligence articielle, RSTI série RIA Lavoisier, vol.18, issue.2, pp.229-260, 2004.

P. Bertail, Le bootstrap : une revue de la littérature, 1991.

P. Besse, Stabilité de l'Analyse en composantes principales par Ré-échantillonage, Approximation par la théorie des perturbation, Document N05-89 du laboratoire de Statistique et Probabilités de l'université Paul Sabatier de, 1989.

G. Birkho, Lattice theory, 1948.

M. Botta, J. Boulicaut, C. Masson, and R. Meo, A Comparison between Query Languages for the Extraction of Association Rules, pp.1-10, 2002.
DOI : 10.1007/3-540-46145-0_1

R. L. Boudon, analyse mathématique des faits sociaux, 1967.

N. Boudjlida, Bases de données et systèmes d'informations. Le modèle relationnel : langages, systèmes et méthodes, 1999.

J. Boulicaut, A. Bykowski, and C. Rigotti, Approximation of Frequency Queries by Means of Free-Sets, Proceedings of the Fourth European Conference on Principles and Practice of Knowledge Discovery in Databases PKDD'00, pp.75-85, 1910.
DOI : 10.1007/3-540-45372-5_8

J. Boulicaut, From KDD scenario description to data mining qualitative benchmarks Réunion de travail sur les scénarios prototypiques de l'Action Spécique Discovery Challenge

U. Brandes, M. Gaertler, and D. Wagner, Experiments on Graph Clustering Algorithms, Proc. 11th Europ. Symp. Algorithms (ESA '03), 2003.
DOI : 10.1007/978-3-540-39658-1_52

L. Breiman, Bagging predictors, Machine Learning, vol.10, issue.2, pp.123-140, 1996.
DOI : 10.1007/BF00058655

L. Breslau, P. Cao, L. Fan, G. Phillips, and S. Shenker, Web caching and Zipf-like distributions: evidence and implications, IEEE INFOCOM '99. Conference on Computer Communications. Proceedings. Eighteenth Annual Joint Conference of the IEEE Computer and Communications Societies. The Future is Now (Cat. No.99CH36320), pp.126-134, 1999.
DOI : 10.1109/INFCOM.1999.749260

S. Brin, R. Motwani, J. D. Ullman, and S. Tsur, Dynamic itemset counting and implication rules for market basket data, Proceedings ACM SIGMOD, pp.255-264, 1997.

T. Brijs, K. Vanhoof, and G. Wets, Reducing Redundancy in Characteristic Rule Discovery by Using IP-Techniques

W. L. Buntine, Variational Extensions to EM and Multinomial PCA, 13th European Conference on Machine Learning (ECML'02), 2002.
DOI : 10.1007/3-540-36755-1_3

URL : http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.18.5167

M. Cadot, P. Cuxac, and C. François, Règles d'association avec une prémisse composée : mesure du gain d'information, EGC, pp.599-600, 2006.

P. Cuxac, M. Cadot, and C. François, Analyse comparative de classications : apport des règles d'association oues, EGC, pp.519-530, 2005.

M. Cadot, J. Maj, and T. Ziadé, Association Rules and Statistics, dans Encyclopedia of Data Warehousing and Mining, pp.94-98, 2005.

M. Cadot, A Simulation Technique for extracting Robust Association Rules, CSDA 2005 (Chypre), 2005.
URL : https://hal.archives-ouvertes.fr/hal-00015030

M. Cadot and J. Di-martino, A Data Cleaning Solution by Perl Scripts for the KDD Cup 2003 Task 2. , revue SIGKDD Explorations, pp.154-155, 2003.
URL : https://hal.archives-ouvertes.fr/inria-00100173

M. Cadot and A. Napoli, Règles d'association et interaction entre variables binaires, SFC2003, Neuchatel, 10-12 septembre 2003 -Proceedings pp 87-90, 2003.

M. Cadot and A. Napoli, Règles d'association et "Paradoxe de Simpson, rapport interne Loria, 2003.

M. Cadot and A. Napoli, Une optimisation de l'extraction d'un jeu de r??gles s'appuyant sur les caract??ristiques statistiques des donn??es, Revue d'intelligence artificielle, vol.16, issue.6, pp.631-656, 2003.
DOI : 10.3166/ria.16.631-656

M. Cadot, A. Napoli, and V. Et-nahama-fourguette, Comparaison de deux techniques d'extraction automatique de règles dans les bases de données. Illustration sur des données issues d'un questionnaire sur les peurs, pp.3-052, 2003.

M. Cadot and A. Napoli, Une optimisation de l'extraction d'un jeu de r??gles s'appuyant sur les caract??ristiques statistiques des donn??es, Revue d'intelligence artificielle, vol.16, issue.6, 2002.
DOI : 10.3166/ria.16.631-656

M. Cadot, Mathématiques et Psychologie, Atelier du colloque de la commission inter Irem, Mathématiques, sciences économiques et sociales, pp.49-55, 1998.

M. Cadot and A. Vugdalic, Statistiques pour les psychologues, cours polycopié de Deug1 de psychologie de l'Université de Reims, 1997.

M. Cadot, Modélisation mathématique des cohortes scolaires, 1995.

C. Carrez, Des structures aux bases de données, Bordas, 1990.

G. Chadule, Initiation aux méthodes statistiques en géographie, 1974.

Q. Chen, Mining Exceptions and Quantitative Association Rules in Olap Data Cube" Thèse, 1999.

H. Cher and Y. Et-toussaint, Adéquation d'indices statistiques à l'interprétation de règles d'association, Actes des 6èmes Journées internationales d'Analyse statistique des Données Textuelles, JADT'02, pp.233-244, 2002.

M. Clerc, L'optimisation par essaims particulaires, versions paramétriques et adaptatives Lavoisier, 2005.

W. G. Cochran and G. W. Et-snedecor, Méthodes Statistiques, traduit par une association de coordination technique agricole, 1966.

C. H. Coombs, R. M. Dawes, and A. Tversky, Psychologie mathématique Tome 1 : Modèles et processus de décision traduit par J.-P et, 1973.

A. Cornuéjols and L. Miclet, Apprentissage articiel, concepts et algorithmes, 2002.

L. Cristofor and D. Simovici, Generating an informative cover for association rules, 2002 IEEE International Conference on Data Mining, 2002. Proceedings., pp.597-600, 2002.
DOI : 10.1109/ICDM.2002.1184007

C. Michel and J. Asselin-de-beauville, Romuald Boné -Méthodes factorielles pour l'analyse des données : méthodes linéaires et extensions non-linéaires, 2004.

P. Dagnelie, Principes d'Experimentation., Biometrics, vol.38, issue.4, 2003.
DOI : 10.2307/2529921

B. A. Davey and H. A. Priestley, Introduction to Lattices and Order, 1990.
DOI : 10.1017/CBO9780511809088

L. Dekang, An information theoretic denition of similarity, Proceedings of ICML'98, pp.296-304, 1998.

M. Demeuse, . Les-Échelles-de-mesure:-thurstone, . Likert, and . Guttman-et-le-modèle-de-rasch, Publications du service de pédagogie de l, 2000.

J. Diatta, Génération de la base de Guigues-Duquenne-Luxenburger pour les règles d'association par une approche utilisant les mesures de similarité multivoies, pp.281-297, 2003.

P. Dickes, J. Tournois, A. Flieller, and J. Kop, La psychométrie : théories et méthodes de la mesure en psychologie" Presses universitaires de France, 1994.

E. Diday, Symbolic Data Analysis end the SODAS Project : Purpose, History, Perspectives" . dans : Analysis of symbolic data, pp.1-23, 2000.

E. Dor, Econométrie" Pearson Education, Collection synthex, 2004.

J. Droesbeke, B. Fichet, P. Tassi, and . Éditeurs, Analyse statistique des durées de vie Journées d'Etude en Statistiques de l'Association pour la Statistique et ses Utilisations, 1988.

J. Droesbeke, B. Fichet, P. Tassi, and . Éditeurs, Séries chronologiques : théorie et pratique des modèles ARIMA Journées d'Etude en Statistiques de l'Association pour la Statistique et ses Utilisations, 1988.

J. Droesbeke, J. Fine, and . Éditeurs, Inférence non paramétrique, les statistiques de rangs. Journées d'Etude en Statistiques de l'Association pour la Statistique et ses Utilisations, 1996.

D. Dubois and H. Prade, What are fuzzy rules and how to use them. Fuzzy Sets and Systems, pp.169-185

E. S. Edgington, Randomization tests, 1995.
DOI : 10.1002/0471667196.ess2169

B. Efron, E. Jolivet, R. Hourdan, N. Traduction-de-yahi, and G. Et-saporta, Le bootstrap et ses applications, discrimination et régression, 1995.

M. El-bèze, J. Torres-moreno, and F. Béchet, Peut-on rendre automatiquement à César ce qui lui appartient ? Application au jeu du Chirand-Mitterrac, 2005.

C. C. Fabris and A. A. Freitas, Discovery of surprising patterns by detecting occurences of Simpson's paradox. Research and developpement in intelligent systems XVI (Proc ES99. The 19th SGES Int. Conf. of Knowledge-based systems and applied articial intelligence), pp.148-160, 1999.

U. M. Fayyad, C. C. Piatetsky-shapiro, G. Smyth, P. Uthurusamy, and R. , Advances in Knowledge Discovery and Data Mining, 1996.

L. Ferré, Systèmes d'Information Logiques : un paradigme logico-contextuel pour interroger , naviguer et apprendre, Thèse, 2002.

S. Ferré and B. Jouve, Partionnement d'une classe de graphes orientés, Mathématiques et Sciences Humaines, 2002.

M. V. Fidelis, H. S. Lopes, and A. A. Freitas, Discovering comprehensible classication rules with a genetic algorithm, Proc. Congress on evolutionary computation (CEC-2000), pp.805-810, 2000.

R. A. Fisher, THE USE OF MULTIPLE MEASUREMENTS IN TAXONOMIC PROBLEMS, Annals of Eugenics, vol.59, issue.2, pp.179-188, 1936.
DOI : 10.1111/j.1469-1809.1936.tb02137.x

L. Floc-'h, A. Fisette, C. Missaoui, R. Valtchev, P. Godin et al., JEN : un algorithme ecace de construction de générateurs pour l'identication des règles d'association, Journées de statistiques juin 2003

D. Francisci, L. Brisson, and M. Collard, A scalar evolutionnary approach to rule extraction, 2003.

A. A. Freitas, On rule interestingness measures. Knowledge-Based Systems journal, pp.309-315, 1999.
DOI : 10.1007/978-1-4471-0835-1_10

URL : http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.182.9574

A. A. Freitas, Understanding the Crucial Role of Attribute Interaction in Data Mining, Artificial Intelligence Review, vol.16, issue.3, pp.177-199, 2001.
DOI : 10.1023/A:1011996210207

Y. Freund and R. E. Et-shapire, A Decision-Theoretic Generalization of On-Line Learning and an Application to Boosting, Proceedings of the second European Conference on Computational Learning Theory, pp.23-37, 1995.
DOI : 10.1006/jcss.1997.1504

P. M. Frome and J. F. Eccles, Parents' influence on children's achievement-related perceptions., Journal of Personality and Social Psychology, vol.74, issue.2, pp.435-452, 1998.
DOI : 10.1037/0022-3514.74.2.435

Y. Fu, Discovery of multiple-Level Rules from large Databases, Thèse, 1996.

C. Glymour, D. Madigan, D. Pregibon, and P. Smyth, Statistical theme and lessons for Data Mining, Data Mining and Knowledge Discovery, vol.1, issue.1, pp.11-28, 1997.
DOI : 10.1023/A:1009773905005

R. Godement, Cours d'algèbre, 1966.

R. Godin, G. Mineau, R. Missaoui, and H. Mili, Méthodes de classication conceptuelle basées sur les treillis de Galois et applications, pp.105-137, 1995.

R. Godin and R. Missaoui, An incremental concept formation approach for learning from databases, Theoretical Computer Science, vol.133, issue.2, pp.387-419, 1994.
DOI : 10.1016/0304-3975(94)90195-3

P. Good, Permutation tests, A practical Guide Resampling Methods for testing hypotheses, 2000.

C. Gonzales, Les réseaux bayésiens, Revue d'intelligence articielle, RSTI série RIA Lavoisier, vol.18, issue.2, 2004.

G. Govaert, Analyse des données, Lavoisier, Hermès Sciences, 2003.

R. Gras, Contribution à l'étude expérimentale et à l'analyse de certaines acquisitions cognitives et de certains objectifs didactiques en mathématiques, Thèse soutenue à l'Université de Rennes I, 1979.

R. Gras and M. Bailleul, La fouille dans les données par la méthode d'analyse implicative statistique, Journées du 23 et 24 juin 2000 organisées par l'IUFM de Caen et l'ARDM

R. Gras, Méthodes d'analyses statistiques multidimensionnelles en didactique des mathématiques . Actes du colloque ARDM de Caen 27 -29 janvier 1995 -publié par l'ARDM

R. Gras and . Et, L'implication statistique, une nouvelle méthode exploratoire de données, La pensée sauvage, 1996.

R. Gras, P. Kuntz, R. Couturier, and F. Guillet, Une version entropique de l'intensité d'implication pour les corpus volumineux, Extraction des connaissances et apprentissage, pp.1-269, 2001.

Y. Guermeur and H. Paugam-moisy, Théorie de l'apprentissage de Vapnik et SVM, Support Vector Machines, pp.17-38, 1999.

J. L. Guigues and V. Et-duquenne, Familles minimales d'implications informatives résultant d'un tableau de données binaires, Math. Sci. Hum. n95, pp.5-18, 1986.

S. Guillaume, Traitement des données volumineuses, mesures et algorithmes d'extraction de règles d'association et règles ordinales, Thèse en informatique, 2000.

F. Guillet, Mesure de qualité des connaissances en ECD, 2004.

X. Guyon, Statistiques et économétrie, du modèle linéaire aux modèles non linéaires, 2001.

G. Isabelle and A. Elissee, An introduction to variable and feature selection" Special issue on variable and feature selection, Journal of Machine Learning Research, vol.3, 1157.

R. Haining, Spatial data analysis in the social and environmental science, 1990.
DOI : 10.1017/CBO9780511623356

R. K. Hambleton and H. Et-swaminathan, Item Response Theory : Principles and applications, Kluwer. Dordrecht, 1986.
DOI : 10.1007/978-94-017-1988-9

J. Han and M. Kamber, Data Mining, 2001.
DOI : 10.1007/978-1-4899-7993-3_104-2

J. Han, J. Pei, Y. Yin, and R. Mao, Mining Frequent Patterns without Candidate Generation: A Frequent-Pattern Tree Approach, Data Mining and Knowledge Discovery, vol.8, issue.1, pp.53-87, 2004.
DOI : 10.1023/B:DAMI.0000005258.31418.83

URL : http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.3.2424

H. Harry and H. , Modern Factor Analysis, 1974.

T. Hastie, R. Tibshirani, and J. Friedman, The Elements of Statistical Learning Data Mining, Inference and Prediction, 2002.

J. Hérault, C. Jutten, and B. Et-ans, Détection de grandeurs primitives dans un message composite par une architecture de calcul neuromimétique en apprentissage non supervisé, Actes du Xème colloque GRETSI, pp.1017-1022, 1985.

J. Herman, Analyse de données qualitatives, 1990.

H. Thomas, Learning the Similarity of Documents : an information-geometric approach to document retrieval and categorization, Advances in Neural Information Processing Systems, pp.914-920, 2000.

R. C. Holte, L. E. Acker, and B. W. Porter, Concept Learning and the problem of small disjuncts, Proc. Int. Joint Conf. AI (IJCai-89, pp.813-818

H. Karl, J. , and H. H. Harman, Factor Analysis. A Synthesis of Factorial Methods, 1941.

H. Hotelling, Analysis of a complex of statistical variables into principal components., Journal of Educational Psychology, vol.24, issue.6, pp.417-441, 1933.
DOI : 10.1037/h0071325

D. C. Howel, Statistical Methods for Psychology, 1997.

R. H. Hoyle, Structural equation modeling. Concepts, Issues and Applications, Sage, 1995.

A. Hyvärinen, Survey on Independent Component Analysis, Neural Computing Surveys, vol.2, p.94128, 1999.

A. Jakulin, Attribute Interactions in Machine Learning Master's thesis, 2003.

D. Jensen, Induction with Randomization Testing :Decision-Oriented Analysis of Large Data Sets. these mai 1992

D. Jensen, Multiples comparisons in induction algorithms, Boston, pp.1-33, 1998.

D. Jensen and J. Neville, Linkage and autocorrelation Cause Feature Selection Bias in relational learning, Proceedings of the 19th international conference on machine learning ICML2002 Morgan-Kaufmann, pp.259-266

F. V. Jensen, An introduction to Bayesian Networks University College London, 1995.

J. Johnston, Econometric Methods, 1972.

K. G. Joreskog and D. Sorbom, Lisrel VI, user's guide, 3ème édition, 1984.

C. Jutten and J. Herault, Une solution neuromimétique au problème de séparation de sources Traitement du Signal, Trait. Signal], vol.5, pp.389-403, 1988.

M. Kamber and R. Et-shingal, Evaluating the Interestingness of characteristic rules, Proc. second Int. Conf. Knowledge Discovery and Data Mining, pp.263-266, 1996.

E. E. Kerre, A comparative study of the behavior of some popular fuzzy implication operators on the generalized modus ponensFuzzy Logic for the management of uncertainty, pp.281-295, 1992.

K. Kira and L. A. Rendell, A pratical approach to feature selection, Machine learning Proceedings of the international Conference ICML'92 p, pp.249-256, 1992.

P. Kline, An easy guide to factor analysis, 1994.

Y. Kodrato, Rating the Interest of Rules Induced from Data and within texts, 12th IEEE -International Conference on Database and Expert Systems Aplications- Dexa, 2001.

K. Igor, M. Robnik-sikonja, and U. Pompe, ReliefF for estimation and discretization of attributes in classication, regression and ILP problems, Articial Intelligence : Methodology, Systems, Applications : Proceddings of AIMSA'96, pp.31-40, 1996.

T. Kohonen, Self-Organizing Maps, Springer Series in Information Sciences, vol.30, 1995.

I. Kononenko, E. Simec, and M. Robnik-sikonja, Overcoming the myopia of inductive learning algorithms with ReliefF, Applied Intelligence, vol.7, issue.1, pp.39-55, 1997.
DOI : 10.1023/A:1008280620621

J. B. Kruskal, Multidimensional scaling by optimizing goodness of t to a nonmetric hypothesis Psychometrika, pp.1-27, 1964.

S. Kullback and R. A. Leibler, On Information and Sufficiency, The Annals of Mathematical Statistics, vol.22, issue.1, pp.79-86, 1951.
DOI : 10.1214/aoms/1177729694

P. Kuntz, F. Guillet, R. Lehn, and H. Briand, A User-Driven Process for Mining Association Rules, pp.483-489, 2000.
DOI : 10.1007/3-540-45372-5_55

A. Larher, Implication statistique et applications à l'analyse de démarches de preuve mathématiques, Thèse de Mathématiques et application, 1991.

D. T. Larose, Des données à la connaissance, une introduction au data mining. Traduction et adaptation de Vallaud T, 2005.

D. Laveaux and J. Grégoire, Introduction aux théories des tests en psychologie et sciences de l'éducation, Bruxelles, 2002.

N. Lavrac, P. A. Flach, and B. Zupan, Rule Evaluation Measures : A Unifying View" ILP-99, pp.174-185

L. Floc-'h, A. Fisette, C. Missaoui, R. Valtchev, P. Godin et al., JEN : un algorithme ecace de construction de générateurs pour l'identication des règles d'association, Journées de statistiques, 2003.

Y. Lecun, Modèles connexionnistes de l'apprentissage (connectionist learning models), 1987.

D. D. Lee and H. S. Seung, Learning the parts of objects by nonnegative matrix factorization, Nature, vol.401, p.788791, 1999.

R. Lefébure and G. Venturi, Data Mining, Gestion de la relation client, 2001.

P. Legendre and L. Legendre, Numerical Ecology Elsevier, Amsterdam, The Netherlands Developments in Environmental Modelling, 1998.

A. Lelu, Local component analysis: a neural model for information retrieval, International Joint Conference on Neural Networks, pp.43-48, 1989.
DOI : 10.1109/IJCNN.1989.118676

A. Lelu, Neural Models for Orthogonal and Oblique Factor Analyses: Towards dynamic data analysis of large sets of highly multidimensional objects, pp.829-832, 1990.
DOI : 10.1007/978-94-009-0643-3_100

A. Lelu, M. Cadot, and S. Aubin, Coopération multiniveau d'approches nonsupervisées et supervisées pour la détection des ruptures thématiques dans les discours présidentiels français. Semaine du Document Numérique, pp.21-22, 2006.

A. Lelu, P. ;. Cuxac, and M. Cadot, Document stream clustering : experimental an incremental algorithm and. AR-based tools for highlighting dynamic trends, COLLNET, 2006.

P. Lenca, P. Meyer, P. Picouet, B. Vaillant, and S. Lallich, Critères d'évaluation des mesures de qualité en ECD, pp.647-650, 2003.

P. Leray and O. Francois, Réseaux bayésiens pour la classication, Méthodologie et illustration dans le cadre du diagnostic médical, Revue d'intelligence articielle, RSTI série RIA, vol.18, issue.2, pp.168-193, 2004.

I. C. Lerman, Rôle de l'inférence statistique dans une approche de l'analyse classicatoire des données, Méthodes d'analyses statistiques multidimensionnelles en didactique des mathématiques. IUFM de Caen, 1995.

D. V. Lindley and M. R. Et-novick, The Role of Exchangeability in Inference, The Annals of Statistics, vol.9, issue.1, pp.45-48, 1981.
DOI : 10.1214/aos/1176345331

B. Liu, W. Hsu, and Y. Ma, Integrating classication and Association rule mining, Proc. 4th Int. Conf. on Knowledge Discovery an Data Mining (KDD-98), pp.80-86, 1998.

B. Liu, W. Hsu, and Y. Ma, Mining association rules with multiple minimum supports, Proceedings of the fifth ACM SIGKDD international conference on Knowledge discovery and data mining , KDD '99, pp.125-134, 1999.
DOI : 10.1145/312129.312274

M. Luxenburger, Implications partielles dans un contexte, Mathématiques, Informatique et Sciences humaines, n113, pp.35-55, 1991.

J. Major and J. Mangano, Selecting among rules induced from a hurricane database, Journal of Intelligent Information Systems, vol.45, issue.1, pp.39-52, 1995.
DOI : 10.1007/BF00962821

B. Mandelbrot, An information theory of the statistical structure of language, pp.503-512, 1953.

B. F. Manly, Randomization, Bootstrap and Monte Carlo methods in Biology, Texts in Statistical Science, 1997.

A. M. Masson, M. Cadot, and M. Ansseau, Perfectionnisme : eets du sexe et de l'échec. Revue l'Encéphale, pp.125-135, 2003.

A. M. Masson, M. Cadot, A. M. Pereira, E. Depreeuw, and M. Ansseau, Version francophone du TASTE (test for ability to study and evaluation), pp.27527-538, 2001.
URL : https://hal.archives-ouvertes.fr/inria-00100676

J. Maurin and . Masson, Simuation déterministe du hasard, 1975.

M. Nguifo, E. Et-njiwoua, and P. , Feature Extraction, Construction and Selection : A Data Mining Perspective Chapter Using Lattice-based Framework as a Tool for Feature Extraction, 1998.

S. P. Meyn and R. L. Tweedie, Markov Chains and Stochastic Stability, 1993.

T. Mielikainen and H. Mannila, The Pattern Ordering Problem, Knowledge Discovery in Databases : PKDD 2003, 7th European Conference on Principles and Practice of Knowledge Discovery in Databases Proceedings. Lecture Notes in Computer Science 2838, pp.327-338, 2003.
DOI : 10.1007/978-3-540-39804-2_30

C. Z. Mooney, R. Duval, and . Bootstrapping, A Nonparametric Approach to Statistical Inference, Series : Quantitative Applications in the Social Sciences, 1993.

A. Morineau, J. Nakache, and C. Krzyzanowski, Le modèle log-linéaire et ses applications, 1996.

A. Morineau, Aide-mémoire statistique. Saint-Mandé : CISIA-CERESTA, 1995.

H. Morin, Théorie de l'échantillonnage. Les presses de l'université Laval, 1993.

J. Nakache and J. Confais, Statistique explicative appliquée : analyse discriminante, modele logistique, segmentation. Editions Technip, 2003.

N. Njamen and G. P. , Contribution à l'apprentissage symbolique automatique par l'usage du treillis de Galois". these Université d'Artois, 2000.

J. Nolt, D. Rohatyn, A. Varzi, and . Logic, Schaum's outline series, 1998.

T. Oates and D. Et-jensen, Large Datasets Lead to Overlay Complex Models : an Explanation and a Solution, 4th International Conference on Knowledge Discovery and Data Mining, pp.294-298, 1998.

E. A. Oja, E. Oja, H. Ogawa, and J. Wangviwattana, A simplied neuron model as a principal components analyzer Learning in nonlinear constrained Hebbian networks, Articial Neural Networks, pp.267-273, 1982.

B. Padmanbhan and A. Thuzhilin, Small is beautiful, Proceedings of the sixth ACM SIGKDD international conference on Knowledge discovery and data mining , KDD '00
DOI : 10.1145/347090.347103

N. Pasquier, Data Mining : Algorithmes d'Extraction, 2000.
URL : https://hal.archives-ouvertes.fr/tel-00467764

J. Pearl, Causality models, reasoning, and inference, pp.267-279, 2000.

K. Pearson, On lines and planes of closest t to systems of points in space, pp.559-572, 1901.

J. Petit, Découverte d'implications antre gènes à partir des données de biopuces, Séminaire IRISA, 2003.

G. Piatetsky-shapiro, Discovery, Analysis, and presentation of strong rules, Knowledge Discovery in Databases, pp.229-248, 1991.

S. James, H. Press, and . Bozdogan, The role of Bayesian and frequentist multivariate modeling in statistical Data Mining, dans "Statistical Data Mining and Knowledge Discovery, 2004.

K. R. Popper, The logic of scientic discovery, 1935.

R. Rakotomalala and . Eric, La distribution théorique des séquences, 1995.

H. L. Rasiowa and J. Kacprzyk, Toward fuzzy logicFuzzy Logic for the management of uncertainty, pp.5-25, 1992.

H. Rasiowa, C. Ho, N. L. Kacprzyk, and J. , LT-fuzzy logicFuzzy Logic for the management of uncertainty, pp.121-139, 1992.

M. Reuchlin, Précis de statistique". Paris. Presses Universitaires de France, 1976.

M. Reuchlin and F. Bacher, Les diérences individuelles dans le développement cognitif de l'enfant". Paris. Presses Universitaires de France, Appendice, pp.231-293, 1989.

D. Rosenblatt, A. Lelu, and A. , Learning in a single pass : A neural model for instantaneous principal component analysis and linear regression, Actes de la First IEE Conference on Neural Computing, pp.252-256, 1989.

F. Rosenblatt, The perceptron: A probabilistic model for information storage and organization in the brain., Psychological Review, vol.65, issue.6, pp.386-408, 1958.
DOI : 10.1037/h0042519

H. Rouanet, L. Roux, and B. , Analyse des données multidimensionnelles, 1983.

H. Rouanet, J. M. Bernard, L. Roux, and B. , Statistiques en sciences hmaines : l'analyse inductive des données, 1990.

R. Rousseau, La statistique descriptive et ses applications en éducation et en psychologie . Les presses de l, 1971.

R. Y. Rubinstein, Simulation and Monte Carlo Method, 1981.

A. Savasere, E. Omiecinski, and S. Navathe, An ecient algorithm for mining association rules in larges databases, pp.432-444, 1995.

D. Schwartz, Methodes Statistiques a L'Usage des Medecins et des Biologistes, Biometrika, vol.51, issue.3/4, 1991.
DOI : 10.2307/2334183

R. E. Schmacker and R. G. Lomax, A beginner's guide to structural equation modeling, 1996.

S. Siegel, N. J. Castellan, and . Jr, Nonparametric statistics for the behavorial sciences, 1988.

M. R. Sikonja, Theorical and empirical analysis of ReliefF and RReliefF, Machine learning, pp.36-63, 2002.

A. Silberschatz and A. Tuzhilin, On Subjective Measures of Interestingness in Knowledge Discovery, KDD, pp.275-281, 1995.

E. H. Simpson, The interpretation of interaction in contingency tables, Journal of the Royal Statistical Society, Series B, vol.13, pp.238-241, 1951.

P. Smyth, R. M. Et-goodman, G. Piatetsky-shapiro, and W. J. Et-frawley, Rule Induction using information theory, Knowledge Discovery in Databases, AAAI, pp.229-238, 1991.

C. E. Spearman, General intelligence objectively determined and measured, American Journal of Psychology, vol.5, pp.201-293, 1904.

P. Sprent, Pratique des statistiques non paramétriques", édition de 1987 traduite par Ley J.P., Collection "techniques et pratiques

R. Srikant and R. Agrawal, Fast Algorithms for Mining Association Rules, 20th VLDB Conf, 1994.

G. Stumme, R. Taouil, Y. Bastide, N. Pasquier, and L. Lakhal, Computing iceberg concept lattices with Titanic, Data & Knowledge Engineering, vol.42, issue.2, pp.189-222, 2002.
DOI : 10.1016/S0169-023X(02)00057-5

URL : https://hal.archives-ouvertes.fr/hal-00578830

G. Stumme, R. Taouil, Y. Bastide, N. Pasquier, and L. Lakhal, Intelligent Structuring and Reducing of Association Rules with Formal Concept Analysis, 1999.
DOI : 10.1007/3-540-45422-5_24

URL : https://hal.archives-ouvertes.fr/inria-00100665

E. Suzuki and Y. Kodrato, Discovery of Surprising Exception Rules Based on Intensity of Implication. Second European Symposium on Principles of Data Mining and Knowledge Discovery, pp.10-18, 1998.

R. Taouil, Algorithmique du treillis des fermés : application à l'analyse formelle de concepts et aux bases de données, Thèse d'informatique, 2001.

O. Teytaud and S. Et-lallich, Bornes uniformes en extraction de règles, Conférence d'Apprentissage, pp.133-148, 2001.

H. Toinoven, M. Klementtinen, P. Ronkainen, K. Hatönen, and H. Mannila, Pruning and Grouping Discovered Association Rules, p.95

H. Toinoven, Sampling large databases for association rules, pp.134-145, 1996.

J. Tournois and P. Dickes, Pratique de l'échelonnement multidimensionnel, de l'observation à l'interprétation, 1993.

U. Hjorth and J. S. , Computer Intensive statistical methods : Validation Model Selection and Boostrap, 1994.

W. Wang, Predictive Modeling Based on Classication and Pattern maching Methods, Thèse, 1999.

Z. Wang, Collaborative Filtering Using Error-Tolerant Facsicles, 2001.

T. Whalen and B. Schott, Presumption, prejudice and regularity in fuzzy material implicationFuzzy Logic for the management of uncertainty, pp.265-280, 1992.

J. Whittaker, Graphical models in applied multivariate Statistics, 1990.

R. Wille, Restructuring lattice theory : an approach based on hierarchies of concepts Ordered sets, 1982.

B. J. Winer, D. R. Brown, and K. M. Michels, Statistical principles in experimental design, 1991.
DOI : 10.1037/11774-000

J. Wolpe and P. J. Lang, A fear survey schedule for use in behaviour therapy, Behaviour Research and Therapy, vol.2, issue.1, pp.27-30, 1964.
DOI : 10.1016/0005-7967(64)90051-8

J. Wolpe, La pratique de la thérapie comportementale, 1976.

G. U. Yule, NOTES ON THE THEORY OF ASSOCIATION OF ATTRIBUTES IN STATISTICS, Biometrika, vol.2, issue.2, pp.121-134, 1903.
DOI : 10.1093/biomet/2.2.121

L. A. Zadeh, Fuzzy sets, Information and Control, vol.8, issue.3, pp.338-353, 1965.
DOI : 10.1016/S0019-9958(65)90241-X

L. A. Zadeh and J. Kacprzyk, Fuzzy Logic for the management of uncertainty, 1992.

M. J. Zaki and S. Parthasarathy, New algorithms for fast Discovery of Association Rules, 1997.

M. J. Zaki and C. Hsiao, An ecient Algorithm for Closed itemset Mining, p.0
DOI : 10.1137/1.9781611972726.27

URL : http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.111.520

M. J. Zaki and K. Gouda, Fast vertical mining using disets, Proceedings of the ninth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp.326-335, 2003.
DOI : 10.1145/956750.956788

URL : http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.14.5466

H. Zhu, On-Line Analytical Mining of Association Rules, Thèse, 1998.

D. A. Zighed and R. Rakotomalala, Graphes d'induction, Apprentissage et Data Mining Hermes Sciences Publications, 2000.