les Thèses Soutenues à l'USTO MB
vous cherchez une thèse?
A partir de cette page vous pouvez :
Retourner au premier écran avec les dernières notices... | Votre compte |
Détail de l'auteur
Auteur Abdiya ALAOUI
Documents disponibles écrits par cet auteur
Faire une suggestion Affiner la rechercheApplication des techniques des métaheuristiques pour l’optimisation de la tâche de la classification de la fouille de données / Abdiya ALAOUI
Titre : Application des techniques des métaheuristiques pour l’optimisation de la tâche de la classification de la fouille de données Type de document : document électronique Auteurs : Abdiya ALAOUI, Auteur Année de publication : 2012 Importance : 94 p. Accompagnement : CD Langues : Français (fre) Catégories : Informatique:Systèmes, Réseaux et Bases de Données (SRBDD) Mots-clés : Fouille de données (DataMining), Métaheuristiques, Sélection d’attributs, Classification
supervisée, Optimisation par colonies de fourmis, Arbres de décisions (C4.5).Résumé : La sélection d’attributs est une étape de prétraitement qui joue un rôle important dans la fouille de données. Elle permet de représenter un sous ensemble de données à partir d’un ensemble volumineux de données et d’éliminer les données redondantes, non pertinentes ou bruitées. Il y a plusieurs avantages de la sélection de sous ensemble d’attributs : Elle facilite la visualisation des données et fournit une meilleure compréhension. Elle réduit la complexité de données d’apprentissage qui va conduire à la réduction du temps de l’algorithme d’apprentissage. Un autre facteur important est la réduction de la dimension du problème, l’amélioration de la performance de la prédiction et la compréhension du modèle d’apprentissage. Ceci est réalisé en supprimant les attributs non pertinents à partir de l’ensemble total des attributs en préservant les avantages mentionnés ci-dessus.
Appliquée à la tâche de la classification supervisée, la sélection d’attributs améliore la précision et la compréhension du classifieur. La recherche d’un sous ensemble d’attributs est un problème d’optimisation NP-difficile qui peut être résolu par les méta-heuristiques. Dans ce travail, nous proposons un algorithme de sélection de sous ensemble d’attributs pertinents à l’aide d’une métaheuristique « Optimisation par colonies de Fourmis » et des arbres de décisions plus précisément C4.5 pour construire un modèle d’apprentissage robuste. Les expérimentations sont réalisées sur des bases de données de l’UCI (University of California, Irvine). Les résultats expérimentaux de notre approche sont comparés à ceux obtenus par : l’Algorithme Génétique, la Recherche par Dispersion et C4.5. Les résultats obtenus sont compétitifs.Directeur de thèse : BELKADI , Khaled Application des techniques des métaheuristiques pour l’optimisation de la tâche de la classification de la fouille de données [document électronique] / Abdiya ALAOUI, Auteur . - 2012 . - 94 p. + CD.
Langues : Français (fre)
Catégories : Informatique:Systèmes, Réseaux et Bases de Données (SRBDD) Mots-clés : Fouille de données (DataMining), Métaheuristiques, Sélection d’attributs, Classification
supervisée, Optimisation par colonies de fourmis, Arbres de décisions (C4.5).Résumé : La sélection d’attributs est une étape de prétraitement qui joue un rôle important dans la fouille de données. Elle permet de représenter un sous ensemble de données à partir d’un ensemble volumineux de données et d’éliminer les données redondantes, non pertinentes ou bruitées. Il y a plusieurs avantages de la sélection de sous ensemble d’attributs : Elle facilite la visualisation des données et fournit une meilleure compréhension. Elle réduit la complexité de données d’apprentissage qui va conduire à la réduction du temps de l’algorithme d’apprentissage. Un autre facteur important est la réduction de la dimension du problème, l’amélioration de la performance de la prédiction et la compréhension du modèle d’apprentissage. Ceci est réalisé en supprimant les attributs non pertinents à partir de l’ensemble total des attributs en préservant les avantages mentionnés ci-dessus.
Appliquée à la tâche de la classification supervisée, la sélection d’attributs améliore la précision et la compréhension du classifieur. La recherche d’un sous ensemble d’attributs est un problème d’optimisation NP-difficile qui peut être résolu par les méta-heuristiques. Dans ce travail, nous proposons un algorithme de sélection de sous ensemble d’attributs pertinents à l’aide d’une métaheuristique « Optimisation par colonies de Fourmis » et des arbres de décisions plus précisément C4.5 pour construire un modèle d’apprentissage robuste. Les expérimentations sont réalisées sur des bases de données de l’UCI (University of California, Irvine). Les résultats expérimentaux de notre approche sont comparés à ceux obtenus par : l’Algorithme Génétique, la Recherche par Dispersion et C4.5. Les résultats obtenus sont compétitifs.Directeur de thèse : BELKADI , Khaled Exemplaires
Code-barres Cote Support Localisation Section Disponibilité 4473 02-08-313 Version numérique et papier Bibliothèque Centrale Mémoire de Magister Exclu du prêt Documents numériques
Application des techniques des métaheuristiques pour l’optimisation de la tâche de la classification de la fouille de donnéesAdobe Acrobat PDF
BUC USTOMB'Thèses
Service Thèse de la BUC met à votre votre disposition L'ensemble des thèses de doctorat et mémoires de magister soutenues à l'USTO MB
Adresse
BUC USTOMB'ThèsesBibliothèque centrale USTOMB
BP 1505 EL M'Naouer USTO ORAN
Algérie
(213)041627180
contact