Depot Institutionnel de l'UMBB >
Thèses de Doctorat et Mémoires de Magister >
Informatique >
Doctorat >
Please use this identifier to cite or link to this item:
http://dlibrary.univ-boumerdes.dz:8080/handle/123456789/2981
|
Titre: | Une approche SVM-méta-heuristique pour laclassification : application à l'information médicale |
Auteur(s): | Nekkaa, Messaouda |
Mots-clés: | Algorithmes : Informatique Data mining |
Issue Date: | 2016 |
Résumé: | Ce projet de doctorat porte sur la r esolution du problème de classifcation de donn ees médicales par une approche méta-heuristique combinée avec un classifcateur SVM. La classifcation de données est un problème important et complexe en data mining. Ce problème nécessite une approche d'optimisation pour sa réesolution efficace. Dans cette thèse, nous nous interessons a la sélection d'attributs par une approche m eta-heuristique, ce qui permettra de sélectionner un sous-ensemble d'attributs pertinents pour la phase de classifcation. Nous proposons plusieurs méthodes de sélection d'attributs, combinant des algorithmes méeta-heuristiques avec un séparateur la vaste marge (SVM). |
Description: | 108 p. : ill. ; 30 cm |
URI: | http://dlibrary.univ-boumerdes.dz:8080/handle/123456789/2981 |
Appears in Collections: | Doctorat
|
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
|