Documents disponibles écrits par cet auteur

La sélection des caractéristiques appropriés en vue d'une classification des images médicales / ELONG Nadjla 

Public ISBD Titre : La sélection des caractéristiques appropriés en vue d'une classification des images médicales Type de document : document électronique Auteurs : ELONG Nadjla, Auteur Année de publication : 2019-2020 Accompagnement : CD Langues : Français (fre) Catégories : Informatique:Génie Informatique Mots-clés : Sélection des caractéristiques, Méthode de filtrage, L’algorithme CAH, Classification, Mesures de similarité, Datasets médicaux. Feature selection, Filter method, HAC Algorithm, Classification, Similarity measures, Medical datasets. Résumé : Une étape de prétraitement pour l’apprentissage automatique est nécessaire pour réduire la quantité de données et des caractéristiques contenues dans les datasets. La sélection des caractéristiques vise à éliminer les caractéristiques redondantes et non pertinentes. Bien que la méthode de filtrage (Filter) ait été présentée comme l'une des méthodes les plus simples pour la sélection des caractéristiques, ses applications n'ont généralement pas réussi à identifier et à traiter les similarités entre les caractéristiques. Dans ce contexte, nous avons proposé une approche hybride pour la sélection des caractéristiques basée sur la combinaison de la méthode de filtrage et la méthode de clustering hiérarchique. L'objectif est d'améliorer les résultats de la méthode de filtrage en éliminant les caractéristiques redondantes dans les datasets médicaux. Une évaluation de l'approche proposée révèle des améliorations majeures du taux de précision de la classification lorsque les résultats sont comparés à ceux obtenus uniquement à l'aide des méthodes de filtrage et / ou d'approches plus classiques de sélection des caractéristiques A preprocessing step for machine learning is needed to reduce the amount of data and features in datasets, feature selection aims to eliminate redundant and irrelevant features from the data. While filter has been touted as one of the simplest methods for feature selection, its applications have generally failed to identify and deal with similarities among features. In this context, we proposed a hybrid approach for feature selection based on combining filter method with hierarchical clustering method. The aim is to enhance filter method results by eliminating redundant features in medical datasets. An ²evaluation of the proposed approach unveils major improvements in the classification accuracy when results are compared to those obtained via only the applications of the filter methods and/or more classical-based feature selection approaches Directeur de thèse : RAHAL Sidi Ahmed Hebri La sélection des caractéristiques appropriés en vue d'une classification des images médicales [document électronique] / ELONG Nadjla, Auteur . - 2019-2020 . -  + CD. Langues : Français (fre) Catégories : Informatique:Génie Informatique Mots-clés : Sélection des caractéristiques, Méthode de filtrage, L’algorithme CAH, Classification, Mesures de similarité, Datasets médicaux. Feature selection, Filter method, HAC Algorithm, Classification, Similarity measures, Medical datasets. Résumé : Une étape de prétraitement pour l’apprentissage automatique est nécessaire pour réduire la quantité de données et des caractéristiques contenues dans les datasets. La sélection des caractéristiques vise à éliminer les caractéristiques redondantes et non pertinentes. Bien que la méthode de filtrage (Filter) ait été présentée comme l'une des méthodes les plus simples pour la sélection des caractéristiques, ses applications n'ont généralement pas réussi à identifier et à traiter les similarités entre les caractéristiques. Dans ce contexte, nous avons proposé une approche hybride pour la sélection des caractéristiques basée sur la combinaison de la méthode de filtrage et la méthode de clustering hiérarchique. L'objectif est d'améliorer les résultats de la méthode de filtrage en éliminant les caractéristiques redondantes dans les datasets médicaux. Une évaluation de l'approche proposée révèle des améliorations majeures du taux de précision de la classification lorsque les résultats sont comparés à ceux obtenus uniquement à l'aide des méthodes de filtrage et / ou d'approches plus classiques de sélection des caractéristiques A preprocessing step for machine learning is needed to reduce the amount of data and features in datasets, feature selection aims to eliminate redundant and irrelevant features from the data. While filter has been touted as one of the simplest methods for feature selection, its applications have generally failed to identify and deal with similarities among features. In this context, we proposed a hybrid approach for feature selection based on combining filter method with hierarchical clustering method. The aim is to enhance filter method results by eliminating redundant features in medical datasets. An ²evaluation of the proposed approach unveils major improvements in the classification accuracy when results are compared to those obtained via only the applications of the filter methods and/or more classical-based feature selection approaches Directeur de thèse : RAHAL Sidi Ahmed Hebri

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
1780	02-08-502	Version numérique et papier	Bibliothèque USTOMB	Thèse de Doctorat	Exclu du prêt

Documents numériques

02-08-502.pdf Adobe Acrobat PDF