Impact de la réduction de la dimension pour l’apprentissage supervisé .Application sur bases médicales.
| dc.contributor.author | Talbi, Youcef | en_US |
| dc.date.accessioned | 2014-06-04T11:47:03Z | en_US |
| dc.date.available | 2014-06-04T11:47:03Z | en_US |
| dc.date.issued | 2014-06-04 | en_US |
| dc.description.abstract | La caractérisation des informations a donné naissance aux bases de données de grande dimension. Ces bases contiennent souvent des informations redondantes et/ou contradictoires. De ce fait, la réduction de dimension a pris place. Dans notre mémoire, nous avons abordé l’impact de différentes méthodes de réduction sur l’apprentissage du PMC (Perceptron Multi- Couche). Nous avons appliqué les méthodes d’extractions (ACP et LDA) et les méthodes de sélections (Relief F et SFS) sur deux bases médicales Colon et Madelon. La LDA a donné les meilleurs résultats sur la base Colon en atteignant les 100%, et le ReliefF a atteint des performances aux alentours des 80% sur la base Madelon. | en_US |
| dc.identifier.other | MS-003-50-01 | en_US |
| dc.identifier.uri | https://dspace.univ-tlemcen.dz/handle/112/5295 | en_US |
| dc.language.iso | fr | en_US |
| dc.subject | PMC, extraction, sélection, Colon, Madelon. | en_US |
| dc.title | Impact de la réduction de la dimension pour l’apprentissage supervisé .Application sur bases médicales. | en_US |
| dc.type | Thesis | en_US |
Files
Original bundle
1 - 1 of 1
Loading...
- Name:
- Impact_de_la_reduction_de_la_dimension_pour_lapprentissage_supervise_Application_sur_bases_medicales.pdf
- Size:
- 740.83 KB
- Format:
- Adobe Portable Document Format
License bundle
1 - 1 of 1
Loading...
- Name:
- license.txt
- Size:
- 1.71 KB
- Format:
- Item-specific license agreed upon to submission
- Description: