Browsing by Author "CHAIBI Sonia"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Accélération de l’Apprentissage des SVMs pour le traitement de bases de données de grandes tailles : Application à la reconnaissance des mots arabes isolés
    (2015) CHAIBI Sonia
    La révolution numérique a facilité considérablement la capture, la saisie et le stockage des données à un coût pratiquement nul. Comme conséquence de ceci, des énormes quantités de données de grandes dimensions (Images, Video …ect) sont stockées dans des bases de données de façon continuelle. La classification de telles bases de données est un problème délicat qui apparaît dans de nombreuses disciplines de l’informatique telle que la reconnaissance de l’écriture arabe manuscrite. Raison pour laquelle le développement de méthodes de classification automatiques pour ces bases de données est primordial. Les Séparateurs à Vaste Marge est une méthode de classification qui montre de bonnes performances dans divers problèmes tels que le traitement d’image, la catégorisation de textes ou le diagnostique médical et ce même sur des ensembles de données de tailles importantes. Néanmoins, la réalisation d’un programme d’apprentissage par SVMs se ramène à résoudre un problème de programmation quadratique (QP) dont la taille mémoire et le temps nécessaires pour sa résolution sont linéairement liés à la taille des exemples utilisés. Quand on a affaire à des bases de données de grandes tailles, la mise en œuvre des SVMs devient encore plus couteuse en espace mémoire et en temps d’exécution. Pour surmonter cette insuffisance des SVMs, une nouvelle proposition utilisant le partitionnement K-moyenne au sein d’un espace réduit du vecteur caractéristique des données est développée dans thèse. Nos résultats montrent qu'il est désormais possible d'utiliser les SVMs pour classifier des bases d’une taille d'exemples importante. La reconnaissance des noms manuscrits des Wilayas Algériennes en est un exemple type traité avec succès dans cette thèse.