Veuillez utiliser cette adresse pour citer ce document : http://dspace1.univ-tlemcen.dz/handle/112/7126
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorHamidi, Yacine Naer Eddine-
dc.date.accessioned2015-01-20T07:41:16Z-
dc.date.available2015-01-20T07:41:16Z-
dc.date.issued2015-01-20-
dc.identifier.otherMS-006.3-29-01-
dc.identifier.urihttp://dspace.univ-tlemcen.dz/handle/112/7126-
dc.description.abstractL'utilisation des méthodes ensemblistes pour les performances des classifiteurs faibles est une novelle vois dans le domaine de l'apprentissage qrtificiel. Parmi ces méthodes nous citons l'algorithme d'adaboost, l'une des algorithmes du boosting. Cr mémoire présente une approche basée sur l'améloiration de classifieur K-PPVP (K plus proche voisins pondéré) par l'algorithme Adaboost afin de classifier la base de données Pima Indians diabets. Les performances obtenues seront comparées en utilisant des crétères comme le taux de classification, la sensibilité et la spécificité.en_US
dc.language.isofren_US
dc.subjectClassification, méthodes ensemblistes, diagnostic, boosting, Adaboost, K plus proches voisins pondéré..en_US
dc.titleL'utilisation de l'approche boosting pour le diagnostic du diabéte.en_US
dc.typeThesisen_US
Collection(s) :Master SIC

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
Lutilisation-de-lapproche-boosting-pour-le-diagnostic-du-diabete.pdf4,37 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.