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 |
Catégories
Faire une suggestion Affiner la recherche
Titre : Conception d'un multi-classifieur pour le traitement de données multi-sources Type de document : document électronique Auteurs : AREZKI Dounia, Auteur Année de publication : 2021-2022 Accompagnement : CD Langues : Français (fre) Catégories : Informatique:Technologie de l’information Mots-clés : Multi-classifieur, Algorithme de pollinisation des fleurs, Algorithme
d’optimisation inspirée des pigeons, Classification des images satellites, Indice Davies-
Bouldin, Algorithme génétique, Alsat-2B, Sentinel-2, Détection de changement, Images
satellitaires .
Multi-classifier, Flower Pollination Algorithm, Pigeon Inspired Optimization
Algorithm, Classification of Satellite Images, Davies-Bouldin Index, Genetic Algorithm,
Alsat-2B, Sentinel-2, Change Detection, Satellite Images.Résumé : La classification est une opération substantielle dans l’exploration et l’exploitation de
données, chaque élément est distribué en tenant compte des valeurs de ses caractéristiques
dans la classe correspondante. Les métaheuristiques ont été largement utilisées dans les
tentatives de résolution de problèmes de classification des images satellites, étant des
méthodes plus souples et plus efficaces pour certaines problématiques.
L’enjeu général de ce projet de thèse, est d’établir un processus de classification automatique
multi-sources des images optiques, les travaux établis pendant l’exécution du projet de
recherche nous a conduit vers la manipulation de différents types de données ainsi que
l’exécution de diverses opérations. Par conséquent, à partir d’un espace multidimensionnel
représentatif de l’image, on obtient une nouvelle représentation de l’information captée. Les
travaux de cette thèse se sont articulés autour de deux grands axes que sont l’amélioration de
la classification des images de télédétection, dans le but d’obtenir une carte d’occupation des
sols la plus fiable possible. Lors d’un suivi de plusieurs années, ce processus permet d’obtenir
une carte des changements d’occupation des sols. Par conséquence, pouvoir prédire les débuts
et fins de saison agricole. Au cours des différents chapitres du manuscrit, les méthodes seront
testées sur un panel de données variées de : Données Alsat-2B Images Sentinel-2 Le manuscrit
de thèse comprendra le développement et l’application des idées suivantes :
— De nouvelles méthodes de classification non supervisée de données multi-source : une
fusion de deux approches, la classification avec l’algorithme de pollination des fleurs
et l’algorithme d’optimisation inspiré des pigeons, imitant le processus d’immigration
des pigeons. Une hybridation entre l’algorithme de pollinisation des fleurs avec
l’algorithme génétique basé sur les mécanismes de la sélection naturelle et de la
génétique, Ce qui va nous permettre une amélioration de la solution générée. Les
résultats montrent que la méthode proposée est en mesure de fournir des solutions viables par rapport aux méthodes existantes.
— Une étude comparative entre les méthodes développées et l’algorithme génétique
comme référence.
— Présentations d’un mécanisme de détection de changement sur une période de deux
ans en utilisant des données représentant une région de l’Algérie.
Classification is a substantial operation in the exploration and exploitation of data, each
element is distributed in its corresponding class taking into account the values of its
characteristics. Metaheuristics have been widely used in attempts to solve classification
problems of satellite images, being more flexible and efficient methods for certain problems.
The general stake of this thesis project is to establish a process of automatic multi-source
classification of optical images, the work established during the execution of the research
project led us to the manipulation of differents types of data as well as the execution of
various operations. Therefore, from a multidimensional space representative of the image,
we obtain a new representation of the information captured. The work of this thesis was
structured around two main axes, namely the improvement of the classification of remote
sensing images, with the aim of obtaining the most reliable land use map possible. During
monitoring over several years, this process provides a map of land use changes. Consequently,
being able to predict the start and end of the agricultural season. During the differents
chapters of the manuscript, the methods will be tested on a panel of varied data from :
Alsat-2B data Sentinel-2 images The thesis manuscript will include the development and
application of the following ideas :
— New methods of unsupervised multi-source data classification : a fusion of two
approaches, classification with the flower pollination algorithm and the pigeoninspired
optimization algorithm, mimicking the pigeon immigration process. A
hybridization between the flower pollination algorithm with the genetic algorithm
based on the mechanisms of natural selection and genetics, Which will allow us to improve the solution generated. The results show that the proposed method is able
to provide viable solutions compared to existing methods.
— A comparative study between the methods developed and the genetic algorithm as a
v
reference.
— Presentations of a change detection mechanism over a two-years period using data
representing a region of Algeria.
Directeur de thèse : FIZAZI Hadria Conception d'un multi-classifieur pour le traitement de données multi-sources [document électronique] / AREZKI Dounia, Auteur . - 2021-2022 . - + CD.
Langues : Français (fre)
Catégories : Informatique:Technologie de l’information Mots-clés : Multi-classifieur, Algorithme de pollinisation des fleurs, Algorithme
d’optimisation inspirée des pigeons, Classification des images satellites, Indice Davies-
Bouldin, Algorithme génétique, Alsat-2B, Sentinel-2, Détection de changement, Images
satellitaires .
Multi-classifier, Flower Pollination Algorithm, Pigeon Inspired Optimization
Algorithm, Classification of Satellite Images, Davies-Bouldin Index, Genetic Algorithm,
Alsat-2B, Sentinel-2, Change Detection, Satellite Images.Résumé : La classification est une opération substantielle dans l’exploration et l’exploitation de
données, chaque élément est distribué en tenant compte des valeurs de ses caractéristiques
dans la classe correspondante. Les métaheuristiques ont été largement utilisées dans les
tentatives de résolution de problèmes de classification des images satellites, étant des
méthodes plus souples et plus efficaces pour certaines problématiques.
L’enjeu général de ce projet de thèse, est d’établir un processus de classification automatique
multi-sources des images optiques, les travaux établis pendant l’exécution du projet de
recherche nous a conduit vers la manipulation de différents types de données ainsi que
l’exécution de diverses opérations. Par conséquent, à partir d’un espace multidimensionnel
représentatif de l’image, on obtient une nouvelle représentation de l’information captée. Les
travaux de cette thèse se sont articulés autour de deux grands axes que sont l’amélioration de
la classification des images de télédétection, dans le but d’obtenir une carte d’occupation des
sols la plus fiable possible. Lors d’un suivi de plusieurs années, ce processus permet d’obtenir
une carte des changements d’occupation des sols. Par conséquence, pouvoir prédire les débuts
et fins de saison agricole. Au cours des différents chapitres du manuscrit, les méthodes seront
testées sur un panel de données variées de : Données Alsat-2B Images Sentinel-2 Le manuscrit
de thèse comprendra le développement et l’application des idées suivantes :
— De nouvelles méthodes de classification non supervisée de données multi-source : une
fusion de deux approches, la classification avec l’algorithme de pollination des fleurs
et l’algorithme d’optimisation inspiré des pigeons, imitant le processus d’immigration
des pigeons. Une hybridation entre l’algorithme de pollinisation des fleurs avec
l’algorithme génétique basé sur les mécanismes de la sélection naturelle et de la
génétique, Ce qui va nous permettre une amélioration de la solution générée. Les
résultats montrent que la méthode proposée est en mesure de fournir des solutions viables par rapport aux méthodes existantes.
— Une étude comparative entre les méthodes développées et l’algorithme génétique
comme référence.
— Présentations d’un mécanisme de détection de changement sur une période de deux
ans en utilisant des données représentant une région de l’Algérie.
Classification is a substantial operation in the exploration and exploitation of data, each
element is distributed in its corresponding class taking into account the values of its
characteristics. Metaheuristics have been widely used in attempts to solve classification
problems of satellite images, being more flexible and efficient methods for certain problems.
The general stake of this thesis project is to establish a process of automatic multi-source
classification of optical images, the work established during the execution of the research
project led us to the manipulation of differents types of data as well as the execution of
various operations. Therefore, from a multidimensional space representative of the image,
we obtain a new representation of the information captured. The work of this thesis was
structured around two main axes, namely the improvement of the classification of remote
sensing images, with the aim of obtaining the most reliable land use map possible. During
monitoring over several years, this process provides a map of land use changes. Consequently,
being able to predict the start and end of the agricultural season. During the differents
chapters of the manuscript, the methods will be tested on a panel of varied data from :
Alsat-2B data Sentinel-2 images The thesis manuscript will include the development and
application of the following ideas :
— New methods of unsupervised multi-source data classification : a fusion of two
approaches, classification with the flower pollination algorithm and the pigeoninspired
optimization algorithm, mimicking the pigeon immigration process. A
hybridization between the flower pollination algorithm with the genetic algorithm
based on the mechanisms of natural selection and genetics, Which will allow us to improve the solution generated. The results show that the proposed method is able
to provide viable solutions compared to existing methods.
— A comparative study between the methods developed and the genetic algorithm as a
v
reference.
— Presentations of a change detection mechanism over a two-years period using data
representing a region of Algeria.
Directeur de thèse : FIZAZI Hadria Exemplaires
Code-barres Cote Support Localisation Section Disponibilité 1926 02-08-520 Version numérique et papier Bibliothèque Centrale Thèse de Doctorat Exclu du prêt Documents numériques
02-08-520.pdfAdobe Acrobat PDF Sélection d’attributs par les techniques d’optimisation appliquée à l’analyse de visage humain / NEGGAZ Imène
Titre : Sélection d’attributs par les techniques d’optimisation appliquée à l’analyse de visage humain Type de document : document électronique Auteurs : NEGGAZ Imène, Auteur Année de publication : 2021-2022 Accompagnement : CD Langues : Français (fre) Catégories : Informatique:Technologie de l’information Mots-clés : L’analyse faciale, Histogramme de gradient orienté, Les descripteurs locaux
LBP, Sélection d’attributs L’algorithme d’optimisation d’Archimède, La matrice de cooccurrence en niveau de gris (GLCM), FEI, GT et Gallagher datasets.Résumé : Au cours des dernières années, la sélection d’attributs est devenue un essor
important dans le domaine d’apprentissage machine et le traitement d’image. La communité
scientifique a été attirée par l’analyse faciale. Cette dernière englobe plusieurs axes comme
la détection de visage, la reconnaissance du genre, la reconnaissance des émotions faciales.
Comme objectif principal, notre étude se base sur la sélection d’attributs en utilisant les
techniques d’optimisation avancées. Le domaine d’analyse faciale marque son potentiel en
trouvant plusieurs applications telles que le développement d’interfaces homme-machine
intelligents et l’amélioration de la sécurité et l’amélioration de vente dans le domaine
économique. Le travail de cette thèse se focalise sur trois volets principaux. Le premier
s’intéresse au module de détection de visage et l’extraction d’attributs pertinents des images.
Les attributs sont extraits à partir de visage en utilisant trois descripteurs : les motifs binaires
locaux LBP, l’histogramme de gradient orienté (HOG) et la matrice de co-occurrence en
niveau de gris (GLCM). Le deuxième axe porte sur la sélection d’attributs en utilisant des
techniques d’optimisation avancées dont le but est de réduire la dimension de vecteurs de
caractéristiques. La sélection d’attributs a été réalisée à l’aide de plusieurs inspirations
comme la théorie de l’intelligence distribuée, les fonctions mathématiques et les lois de la
physique.
L’avantage principal d’intégrer les techniques de sélection d’attributs est de trouver un
compromis entre le temps de réponse et la performance de la classification.
Au niveau de cette thèse, nous avons proposé plusieurs algorithmes comme l’algorithme
d’optimisation d’Archimède (AOA), (AOA), HHO, EO, EPO, SCA, MRFO, MVO et HGSO
qui ont été testés pour la première fois dans le domaine d’analyse faciale, en particulier la
reconnaissance du genre. L’étude expérimentale a été validée par trois corpus : FEI, GT et
Gallagher. Ce dernier représente un vrai challenge car il contient plus de 28000 images. Les
résultats obtenus montrent que AOA-LBP arrive à reconnaître mieux le genre de la base de
données Gallagher avec un taux de 96.08%
Directeur de thèse : FIZAZI Hadria Sélection d’attributs par les techniques d’optimisation appliquée à l’analyse de visage humain [document électronique] / NEGGAZ Imène, Auteur . - 2021-2022 . - + CD.
Langues : Français (fre)
Catégories : Informatique:Technologie de l’information Mots-clés : L’analyse faciale, Histogramme de gradient orienté, Les descripteurs locaux
LBP, Sélection d’attributs L’algorithme d’optimisation d’Archimède, La matrice de cooccurrence en niveau de gris (GLCM), FEI, GT et Gallagher datasets.Résumé : Au cours des dernières années, la sélection d’attributs est devenue un essor
important dans le domaine d’apprentissage machine et le traitement d’image. La communité
scientifique a été attirée par l’analyse faciale. Cette dernière englobe plusieurs axes comme
la détection de visage, la reconnaissance du genre, la reconnaissance des émotions faciales.
Comme objectif principal, notre étude se base sur la sélection d’attributs en utilisant les
techniques d’optimisation avancées. Le domaine d’analyse faciale marque son potentiel en
trouvant plusieurs applications telles que le développement d’interfaces homme-machine
intelligents et l’amélioration de la sécurité et l’amélioration de vente dans le domaine
économique. Le travail de cette thèse se focalise sur trois volets principaux. Le premier
s’intéresse au module de détection de visage et l’extraction d’attributs pertinents des images.
Les attributs sont extraits à partir de visage en utilisant trois descripteurs : les motifs binaires
locaux LBP, l’histogramme de gradient orienté (HOG) et la matrice de co-occurrence en
niveau de gris (GLCM). Le deuxième axe porte sur la sélection d’attributs en utilisant des
techniques d’optimisation avancées dont le but est de réduire la dimension de vecteurs de
caractéristiques. La sélection d’attributs a été réalisée à l’aide de plusieurs inspirations
comme la théorie de l’intelligence distribuée, les fonctions mathématiques et les lois de la
physique.
L’avantage principal d’intégrer les techniques de sélection d’attributs est de trouver un
compromis entre le temps de réponse et la performance de la classification.
Au niveau de cette thèse, nous avons proposé plusieurs algorithmes comme l’algorithme
d’optimisation d’Archimède (AOA), (AOA), HHO, EO, EPO, SCA, MRFO, MVO et HGSO
qui ont été testés pour la première fois dans le domaine d’analyse faciale, en particulier la
reconnaissance du genre. L’étude expérimentale a été validée par trois corpus : FEI, GT et
Gallagher. Ce dernier représente un vrai challenge car il contient plus de 28000 images. Les
résultats obtenus montrent que AOA-LBP arrive à reconnaître mieux le genre de la base de
données Gallagher avec un taux de 96.08%
Directeur de thèse : FIZAZI Hadria Exemplaires
Code-barres Cote Support Localisation Section Disponibilité 1941 02-08-524 Version numérique et papier Bibliothèque Centrale Thèse de Doctorat Exclu du prêt Documents numériques
02-08-524.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