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 Seyyid Ahmed MEDJAHED
Documents disponibles écrits par cet auteur
Faire une suggestion Affiner la recherche
Titre : Analyse des méthodes d’apprentissage à base de noyaux : Application au diagnostic et à la classification des cellules cancéreuses Type de document : document électronique Auteurs : Seyyid Ahmed MEDJAHED, Auteur Année de publication : 2017 Importance : 159 p. Accompagnement : CD Langues : Français (fre) Catégories : Informatique Mots-clés : méthode à base de noyaux, machine à vecteur de support, diagnostic du cancer, sélection de variables, détermination des paramètres, optimisation, classification
kernel-based learning, support vector machine, cancer diagnosis, feature selection, parameters determination, optimization, classification.Résumé : Ces dernières années, l’utilisation des données des puces à ADN pour le diagnostic du cancer a connu un développement très rapide. Ces données sont caractérisées par un grand nombre de caractéristiques (milliers de gènes) et un nombre très réduit d’échantillons en raison du fort coût du traitement de l’information. Afin d’assurer un diagnostic de qualité, plusieurs variables constituant le bruit et les variables peu informatives doivent être éliminées. C’est pourquoi, une étape de sélection de variables est primordiale. Les méthodes à noyaux tels que les machines à vecteur de supports permettent la sélection de variables. Ces méthodes utilisent des critères qui sont basés sur l’importance d’une variable et sa participation dans la maximisation de la marge géométrique ou son influence sur la borne d’erreur de généralisation.
Notre objectif dans cette thèse est de proposer de nouvelles approches basées sur les machines à vecteurs de support pour améliorer la qualité de la classification et le diagnostic du cancer. Ces approches seront utilisées pour la sélection de gènes des puces à ADN et la détermination des paramètres de la SVM, ainsi que les paramètres de la fonction noyau.
DNA microarray dataset has been very active research field in cancer diagnosis. This dataset is characterized by the large number of features (many thousands) and a small number of samples (few tens). A feature selection approach is an indispensable tool to improve the classification and the diagnosis of cancer in DNA microarray dataset. Among feature selection approach, kernel-based learning methods such as Support Vector Machines propose measures to compute the relevance of the features. These measures are based on the importance of features and their influence to maximize the geometric marge and to find the optimal hyperplane in SVM. In addition, SVM can be used as feature selection approach and integrates a process of feature selection in the training phase. SVM-RFE (Support Vector Machine - Recursive Feature Elimination) is a very good example of this type of methods.
In this thesis, we propose new feature selection approaches based on SVM for cancer diagnosis. These approaches will be used for gene selection in DNA Microarray dataset and for parameter determination of SVM (SVM parameters and kernel function parameters).
Directeur de thèse : BENYETTOU Abdelkader Analyse des méthodes d’apprentissage à base de noyaux : Application au diagnostic et à la classification des cellules cancéreuses [document électronique] / Seyyid Ahmed MEDJAHED, Auteur . - 2017 . - 159 p. + CD.
Langues : Français (fre)
Catégories : Informatique Mots-clés : méthode à base de noyaux, machine à vecteur de support, diagnostic du cancer, sélection de variables, détermination des paramètres, optimisation, classification
kernel-based learning, support vector machine, cancer diagnosis, feature selection, parameters determination, optimization, classification.Résumé : Ces dernières années, l’utilisation des données des puces à ADN pour le diagnostic du cancer a connu un développement très rapide. Ces données sont caractérisées par un grand nombre de caractéristiques (milliers de gènes) et un nombre très réduit d’échantillons en raison du fort coût du traitement de l’information. Afin d’assurer un diagnostic de qualité, plusieurs variables constituant le bruit et les variables peu informatives doivent être éliminées. C’est pourquoi, une étape de sélection de variables est primordiale. Les méthodes à noyaux tels que les machines à vecteur de supports permettent la sélection de variables. Ces méthodes utilisent des critères qui sont basés sur l’importance d’une variable et sa participation dans la maximisation de la marge géométrique ou son influence sur la borne d’erreur de généralisation.
Notre objectif dans cette thèse est de proposer de nouvelles approches basées sur les machines à vecteurs de support pour améliorer la qualité de la classification et le diagnostic du cancer. Ces approches seront utilisées pour la sélection de gènes des puces à ADN et la détermination des paramètres de la SVM, ainsi que les paramètres de la fonction noyau.
DNA microarray dataset has been very active research field in cancer diagnosis. This dataset is characterized by the large number of features (many thousands) and a small number of samples (few tens). A feature selection approach is an indispensable tool to improve the classification and the diagnosis of cancer in DNA microarray dataset. Among feature selection approach, kernel-based learning methods such as Support Vector Machines propose measures to compute the relevance of the features. These measures are based on the importance of features and their influence to maximize the geometric marge and to find the optimal hyperplane in SVM. In addition, SVM can be used as feature selection approach and integrates a process of feature selection in the training phase. SVM-RFE (Support Vector Machine - Recursive Feature Elimination) is a very good example of this type of methods.
In this thesis, we propose new feature selection approaches based on SVM for cancer diagnosis. These approaches will be used for gene selection in DNA Microarray dataset and for parameter determination of SVM (SVM parameters and kernel function parameters).
Directeur de thèse : BENYETTOU Abdelkader Exemplaires
Code-barres Cote Support Localisation Section Disponibilité 4589 02-08-429 Version numérique et papier Bibliothèque Centrale Thèse de Doctorat Exclu du prêt Documents numériques
Analyse des méthodes d’apprentissage à base de noyaux : Application au diagnostic et à la classification des cellules cancéreusesAdobe 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