Veuillez utiliser cette adresse pour citer ce document : http://dspace1.univ-tlemcen.dz/handle/112/8282
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorDAHO, Mostapha EL HABIB-
dc.date.accessioned2015-11-09T10:05:15Z-
dc.date.available2015-11-09T10:05:15Z-
dc.date.issued2015-11-09-
dc.identifier.urihttp://dspace.univ-tlemcen.dz/handle/112/8282-
dc.description.abstractCette thèse de doctorat concerne l’amélioration des performances des méthodes d'ensembles en faisant appel à des nouvelles approches d'apprentissage artificiel. La première partie introduit une nouvelle méthode d’ensemble pour la classification des données biomédicales. Pour cela nous avons proposé un modèle appelé Sub_RF (pour Subspaces Random Forest) qui utilise les RSM (Random Subspaces Method) et les Forets aléatoires pour la génération d’un ensemble d’arbres aléatoires. Les résultats obtenus par cette approche sont très compétitives comparant avec ceux obtenus dans la littérature. La deuxième partie de cette thèse traite le problème de l’élagage dynamique dans les méthodes d’ensemble. L’objectif principal de cette partie consiste à développer une nouvelle technique du Pruning Dynamique basée sur une nouvelle notion de voisinage. Les résultats obtenus avec notre approche du Dynamic Pruning sont très prometteurs.en_US
dc.language.isoenen_US
dc.subjectData with Ensembleen_US
dc.titleClassifcation and Recognition of Biomedical Data with Ensemble Methodsen_US
dc.typeThesisen_US
Collection(s) :Doctorat Classique en Mathématique

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
Classification_and_Recognition_of_Biomedical_Data_with_Ensemble_Methods.pdf13,5 MBAdobe PDFVoir/Ouvrir


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