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 SI TAYEB Mustapha
Documents disponibles écrits par cet auteur
Faire une suggestion Affiner la rechercheContribution aux réseaux de neurones en vue de leurs applications dans le domaine de l’imagerie / SI TAYEB Mustapha
Titre : Contribution aux réseaux de neurones en vue de leurs applications dans le domaine de l’imagerie Type de document : document électronique Auteurs : SI TAYEB Mustapha, Auteur Année de publication : 2018/2019 Accompagnement : CD Langues : Français (fre) Catégories : Informatique:informatique Mots-clés : Données de Télédétection, Classification Supervisée, Extraction des Caractéristiques, MLP, SVM, EMLP. Résumé :
Les méthodes traditionnelles d'extraction d'informations à partir d'images satellitaires sont généralement basées sur la réponse spectrale des capteurs. Ces approches sont dans certains cas insuffisantes en particulier dans le cas des images à haute résolution. En effet, ces images ont un contenu spectral de plus en plus hétérogène. Il est donc nécessaire d'utiliser des méthodes d'analyse plus efficaces. La classification multi-source est un outil analytique robuste, et c'est l'une des approches les plus utilisées pour l'extraction d'informations télémétriques.
L’objectif général de ce travail de thèse, est d’étudier en détail la méthode neurale (perceptron multi couche) dans le domaine de la classification des données de télédétection, cette étude nous a orientés vers deux axes de recherche différents.
Création de plusieurs systèmes hybrides (MLP-HMM, MLP-GA, MLP-HMM-GA), en hybridant plusieurs méthodes : perceptron multicouche MLP, modèles de Markov cachés HMM et algorithmes génétiques GA.
Création d’une nouvelle méthode pour la classification des données de télédétection (EMLP-SVM), l'approche proposée comprend deux étapes principales : 1) Extraction Multi-Layer Perceptron (EMLP) est utilisé pour l'extraction de caractéristiques des données de télédétection ; puis 2) les données issues de l'EMLP sont classées à l'aide de l'algorithme Support Vector Machine (SVM).
La contribution de ce travail est principalement dans la création de la méthode EMLP basée sur la méthode MLP (Multi-Layer Perceptron), qui a pour rôle de créer un ensemble de données plus représentatif des classes de l'ensemble de données original.
Pour mieux situer et évaluer notre approche proposée, nous avons appliqué notre technique proposée à trois ensembles de données, à savoir Statlog Landsat Satellite, Urban Land Cover et Landsat TM Oran, et plusieurs mesures ont été utilisées, par exemple, taux de classification, erreur de classification, précision, rappel et F-mesure.
Les résultats expérimentaux montrent que l'approche proposée (EMLP-SVM) est plus efficace et puissante que les méthodes de base (MLP et SVM), les systèmes hybrides et les méthodes de classification de pointe existantes.
Directeur de thèse : FIZAZI Hadria Contribution aux réseaux de neurones en vue de leurs applications dans le domaine de l’imagerie [document électronique] / SI TAYEB Mustapha, Auteur . - 2018/2019 . - + CD.
Langues : Français (fre)
Catégories : Informatique:informatique Mots-clés : Données de Télédétection, Classification Supervisée, Extraction des Caractéristiques, MLP, SVM, EMLP. Résumé :
Les méthodes traditionnelles d'extraction d'informations à partir d'images satellitaires sont généralement basées sur la réponse spectrale des capteurs. Ces approches sont dans certains cas insuffisantes en particulier dans le cas des images à haute résolution. En effet, ces images ont un contenu spectral de plus en plus hétérogène. Il est donc nécessaire d'utiliser des méthodes d'analyse plus efficaces. La classification multi-source est un outil analytique robuste, et c'est l'une des approches les plus utilisées pour l'extraction d'informations télémétriques.
L’objectif général de ce travail de thèse, est d’étudier en détail la méthode neurale (perceptron multi couche) dans le domaine de la classification des données de télédétection, cette étude nous a orientés vers deux axes de recherche différents.
Création de plusieurs systèmes hybrides (MLP-HMM, MLP-GA, MLP-HMM-GA), en hybridant plusieurs méthodes : perceptron multicouche MLP, modèles de Markov cachés HMM et algorithmes génétiques GA.
Création d’une nouvelle méthode pour la classification des données de télédétection (EMLP-SVM), l'approche proposée comprend deux étapes principales : 1) Extraction Multi-Layer Perceptron (EMLP) est utilisé pour l'extraction de caractéristiques des données de télédétection ; puis 2) les données issues de l'EMLP sont classées à l'aide de l'algorithme Support Vector Machine (SVM).
La contribution de ce travail est principalement dans la création de la méthode EMLP basée sur la méthode MLP (Multi-Layer Perceptron), qui a pour rôle de créer un ensemble de données plus représentatif des classes de l'ensemble de données original.
Pour mieux situer et évaluer notre approche proposée, nous avons appliqué notre technique proposée à trois ensembles de données, à savoir Statlog Landsat Satellite, Urban Land Cover et Landsat TM Oran, et plusieurs mesures ont été utilisées, par exemple, taux de classification, erreur de classification, précision, rappel et F-mesure.
Les résultats expérimentaux montrent que l'approche proposée (EMLP-SVM) est plus efficace et puissante que les méthodes de base (MLP et SVM), les systèmes hybrides et les méthodes de classification de pointe existantes.
Directeur de thèse : FIZAZI Hadria Exemplaires
Code-barres Cote Support Localisation Section Disponibilité 1599 02-08-476 Version numérique et papier Bibliothèque Centrale Thèse de Doctorat Exclu du prêt Documents numériques
02-08-476.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