DSpace
 

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

Files in This Item:

File Description SizeFormat
NEKKAA.pdf29,83 kBAdobe PDFView/Open
View Statistics

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

 

Valid XHTML 1.0! DSpace Software Copyright © 2002-2010  Duraspace - Feedback