Nous proposons deux étapes de prétraitement de la classification qui appliquent des algorithmes basés sur la coque convexe à l'ensemble d'apprentissage afin d'améliorer les performances et la vitesse de la classification. L'algorithme de reconstruction de classe utilise un algorithme de regroupement combiné à une approche basée sur la coque convexe qui ré-étiquette l'ensemble de données avec une structure de classe nouvelle et étendue. Nous démontrons comment cet algorithme d'amélioration des performances permet d'augmenter les résultats de précision de Naive Bayes dans certains cas, mais pas tous, qui utilisent des ensembles de données du monde réel.