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 BELHADJ Sabrina
Documents disponibles écrits par cet auteur
Faire une suggestion Affiner la recherche
Titre : Détection automatique des crises d’épilepsie Type de document : document électronique Auteurs : BELHADJ Sabrina, Auteur Année de publication : 2017/2018 Importance : 114 p. Accompagnement : CD Langues : Français (fre) Catégories : Electronique:Signaux et systèmes intelligents Mots-clés : Epilepsie Model Autorégressif Burg SVM Autoencodeur clairsemé. Résumé : La classification des crises d'épilepsie avec des méthodes d'apprentissage automatique est devenue la fameuse solution dans le diagnostic et la détection de l'épilepsie. A travers l’utilisation des algorithmes intelligents sur les signaux d'électroencéphalogramme (EEG). Généralement, ces signaux sont non stationnaires et complexes. Ces méthodes ont permis d'identifier des connaissances utiles sur l'épilepsie. Compte tenu de cela, le travail actuel introduit une nouvelle approche pour la détection et la classification automatique des crises épileptiques. Dans cette approche, la méthode de Burg comme modèle autorégressif (AR) basée sur l'autoencodeur clairsemé (SAE) avec la Machine à Vecteur de Support (SVM) comme classificateur a été utilisée. Tout d'abord, l'extraction de caractéristiques est accomplie par la méthode de Burg, ensuite, les caractéristiques données par une telle méthode constituent une entrée pour le SAE. Les résultats de ce dernier sont employés dans l'étape d'entraînement et de classification en utilisant le classificateur SVM. Pour valider la performance de l’approche proposée, la base de données de Bonn a été utilisée. Au stade expérimental, trois types de classification ont été étudiés (non-épilptique à Interictal ou Ictal) et Interictal à Ictal. En outre, deux types d'expériences ont été réalisés. (i) les caractéristiques extraites par la méthode de Burg puis le classificateur SVM sans SAE et (ii) les caractéristiques sélectionnées par la méthode de Burg améliorées par SAE. Les résultats obtenus ont clairement démontré l’efficacité de l'approche proposée. Directeur de thèse : AHMED FOITIH Zoubir Détection automatique des crises d’épilepsie [document électronique] / BELHADJ Sabrina, Auteur . - 2017/2018 . - 114 p. + CD.
Langues : Français (fre)
Catégories : Electronique:Signaux et systèmes intelligents Mots-clés : Epilepsie Model Autorégressif Burg SVM Autoencodeur clairsemé. Résumé : La classification des crises d'épilepsie avec des méthodes d'apprentissage automatique est devenue la fameuse solution dans le diagnostic et la détection de l'épilepsie. A travers l’utilisation des algorithmes intelligents sur les signaux d'électroencéphalogramme (EEG). Généralement, ces signaux sont non stationnaires et complexes. Ces méthodes ont permis d'identifier des connaissances utiles sur l'épilepsie. Compte tenu de cela, le travail actuel introduit une nouvelle approche pour la détection et la classification automatique des crises épileptiques. Dans cette approche, la méthode de Burg comme modèle autorégressif (AR) basée sur l'autoencodeur clairsemé (SAE) avec la Machine à Vecteur de Support (SVM) comme classificateur a été utilisée. Tout d'abord, l'extraction de caractéristiques est accomplie par la méthode de Burg, ensuite, les caractéristiques données par une telle méthode constituent une entrée pour le SAE. Les résultats de ce dernier sont employés dans l'étape d'entraînement et de classification en utilisant le classificateur SVM. Pour valider la performance de l’approche proposée, la base de données de Bonn a été utilisée. Au stade expérimental, trois types de classification ont été étudiés (non-épilptique à Interictal ou Ictal) et Interictal à Ictal. En outre, deux types d'expériences ont été réalisés. (i) les caractéristiques extraites par la méthode de Burg puis le classificateur SVM sans SAE et (ii) les caractéristiques sélectionnées par la méthode de Burg améliorées par SAE. Les résultats obtenus ont clairement démontré l’efficacité de l'approche proposée. Directeur de thèse : AHMED FOITIH Zoubir Exemplaires
Code-barres Cote Support Localisation Section Disponibilité 2590 02-09-566 Version numérique et papier Bibliothèque Centrale Thèse de Doctorat Exclu du prêt Documents numériques
02-09-566.pdfAdobe 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