Depot Institutionnel de l'UMBB >
Thèses de Doctorat et Mémoires de Magister >
Informatique >
Doctorat >
Veuillez utiliser cette adresse pour citer ce document :
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 |
Date de publication: | 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/URL: | http://dlibrary.univ-boumerdes.dz:8080/handle/123456789/2981 |
Collection(s) : | Doctorat
|
Fichier(s) constituant ce document :
|
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.
|