Thèses de doctorat
Permanent URI for this collection
Browse
Recent Submissions
Item Approches cognitives en vision robotique(Université Badji Mokhtar Annaba, 2026-06-04) CHERIBET, MohamedPeu de travaux de recherche ont opté pour la détection de contours dans les images de profondeur, comme méthodes préalable à la segmentation d’images. Il a été noté dans la littérature que la détection de contours dans ce type d’images est fortement problématique. Ceci est dû à deux raisons principales : Le haut niveau de bruit et de déformations dans les images de profondeur ; et l’Inclinaison des surfaces géométriques par rapport à l’angle de vue. Cependant, la détection de contours demeure avantageuse, notamment pour sa performance en temps de calcul, comparée aux autres approches de segmentation, basées régions. Dans le cadre de cette thèse, et dans l’objectif de contribuer aux méthodes et techniques en vision robotique, nous avons proposé une nouvelle formulation de détection de contours dans les images de profondeur, support d’excellence en vision robotique. Nous avons aussi proposé une méthode de régularisation bayésienne des contours détectés. La combinaison des deux méthodes permet d’améliorer significativement la détection de contours et par conséquent la segmentation des images en surfaces composant les objets géométriques qui figurent dans ces images. Ainsi, un nouveau détecteur de Canny, adapté aux images de profondeur, est proposé. Il est basé sur une nouvelle formulation du calcul du gradient de l’image, utilisant les vecteurs normaux aux surfaces, au lieu de la profondeur brute de l’image. Les contours détectés sont ensuite régularisés par une formulation markovienne bayésienne, impliquant une définition bien appropriée des cliques et des potentiels, utilisés dans le Framework MAP-MRF. Les résultats de détection obtenus, ont pu montrer le fort potentiel des méthodes proposées pour une extraction fiable des cartes de contours dans les images de profondeur.Item L’amélioration de la sécurité dans l’internet des objets(Université Badji Mokhtar Annaba, 2026) Ahmim, IlyesLa croissance rapide de IoT (Internet des objets) et des technologies de communication mobile offre des avancées significatives dans divers domaines. En particulier dans les zones urbaines, ces technologies apportent des solutions innovantes au problème de la congestion routière. Les systèmes IoV modernes (Internet des véhicules) permettent une interaction fluide entre les utilisateurs, les véhicules, les dispositifs IoT et les plateformes de services, dans le but d’améliorer l’efficacité des transports et la sécurité routière. Cependant, plusieurs défis persistent, notamment en ce qui concerne le transfert sécurisé des données. De plus, le volume important de données en temps réel produites par les véhicules et les dispositifs IoT crée une charge significative sur les serveurs, qui nécessitent des solutions efficaces. Un autre défi crucial à considérer est celui des situations d’urgence, telles que les régions rurales ou sinistrées. Fournir des informations en temps réel aux utilisateurs dans ces situations reste un défi majeur à surmonter. Heureusement, l’utilisation des drones pour rétablir la communication d’urgence dans les situations critiques s’avère prometteuse, car ils ne dépendent pas des infrastructures routières. Cependant, le défi de mettre en place une communication sécurisée en temps réel entre les drones et les utilisateurs, reste crucial. Parallèlement, l’introduction de plusieurs drones formant un essaim, complique l’application des nouvelles régulations RemoteID de la FAA, introduites en 2022. En effet, ces régulations exigent que chaque drone diffuse son identité. Afin d’éviter la divulgation des identités réelles des drones de l’essaim, il est important de proposer un protocole permettant aux drones de s’authentifier de manière anonyme. Face à ces défis, un autre problème majeur est que les méthodes de sécurité traditionnelles ne peuvent pas être appliquées efficacement à IoV et IoD (Internet des Drones) en raison de leur consommation élevée de ressources. Dans cette thèse, nous proposons des solutions d’authentification spécifiquement conçues pour relever ces défis. La première contribution porte sur une amélioration d’un protocole d’authentification récemment publié. Notre cryptanalyse a révélé une vulnérabilité majeure concernant la confidentialité des messages, permettant à un attaquant de déduire la clé de session partagée entre le véhicule et les entités (utilisateur/centre de données). Notre amélioration corrige cette vulnérabilité, rendant ainsi le protocole applicable à l’IoV. Une autre amélioration concerne l’amélioration d’un autre protocole publié, adapté à la collecte de big data et aux systèmes nécessitant des réponses rapides. Le protocole élimine la communication directe entre l’utilisateur et le centre de données, dans le but de réduire les coûts communications. Notre cryptanalyse a permis de corriger une faille affectant l’authentification des utilisateurs. La deuxième contribution concerne l’intégration sécurisée des drones, nous avons proposé un nouveau protocole d’authentification nommé LASeR, destiné aux interactions entre les utilisateurs et les drones. LASeR se distingue par son accès basé sur des zones géographiques, assurant une surveillance continue v tout en offrant un compromis optimal entre coût et sécurité. La troisième contribution concerne le défi des essaims de drones, pour lequel nous avons proposé un nouveau protocole d’authentification, nommé 2AS-DS, conforme aux réglementations de la FAA. Une analyse de sécurité montre que 2AS-DS résiste aux attaques telles que l’interception et le clonage, tout en réduisant la charge sur la station de confiance. En conclusion, les solutions proposées dans le cadre de cette thèse participent activement à l’amélioration de la sécurité des communications dans IoT, en se concentrant spécifiquement sur les objets mobiles, tels que les véhicules et les drones, qui jouent un rôle central dans la révolution technologique à l’échelle mondiale.Item Apprentissage automatique et sélection de caractéristiques pour la classification des images médicale(Université Badji Mokhtar Annaba, 2024) Gherghout, YoucefDans cette thèse, une approche innovante de classification des images médicales repose sur l’intégration des réseaux de files d’attente dans les réseaux de neurones à rétropropagation (BPNN), où chaque composante des couches du réseau est associée à une file d’attente dynamique. Dans cette architecture, chaque neurone ne se contente pas de stocker un seul état activé, mais conserve un historique de ses activations passées sous forme de file d’attente. L’apprentissage devient ainsi adaptatif, car un réseau ouvert met à jour ses couches cachées en intégrant progressivement les informations agrégées de l’autre réseau. Cela permet d’introduire une mémoire adaptative qui améliore l’apprentissage en intégrant l’évolution temporelle des caractéristiques extraites. L’entraînement repose sur deux BPNN fermés, chacun apprenant sur une partie de la base de données. Les états intermédiaires des neurones sont enregistrés et transférés via la file d’attente à un réseau ouvert, qui adapte ses poids en fonction des états cumulés. Cette structure permet une rétropropagation enrichie en tenant compte des tendances d’apprentissage plutôt que des mises à jour instantanées uniquement. Par ailleurs, une sélection optimisée des caractéristiques est réalisée pour améliorer la robustesse du modèle,en extrayant des attributs texturaux (GLCM, LBP, GRLM) et morphologiques (circularité, compacité, descripteurs de Fourier), suivie d’une réduction de dimension via MRMR ou RELIEF,qui permet d’éliminer les redondances et de maximiser la séparation des classes. L’optimisation de la fonction coût MSE via la descente de gradient garantit une convergence efficace du modèle. Cette approche améliore la robustesse, la précision et la généralisation du réseau, tout en préservant l’interprétabilité des résultats pour une application clinique fiable.Item Une architecture basée blockchain pour la sécurité des réseaux 6G(Université Badji Mokhtar Annaba, 2026-02-12) SAKRAOUI, SabrinaCette thèse aborde les questions de sécurité qui accompagnent l’architecture émergente du réseau 6G, qui inaugurera une connectivité, une vitesse et des gains d’intelligence sans précédent. Alors que les réseaux 6G sont en passe de fournir des mondes hyper connectés avec des trillions d’appareils, une latence ultra-faible et une capacité de données massive, les mesures de sécurité centralisées traditionnelles s’avèrent de plus en plus inadaptées. Pour y remédier, la présente étude introduit de nouveaux cadres de sécurité sous la forme de technologies de blockhaus et d’intelligence artificielle qui sont des défenses décentralisées, adaptatives et préservant la vie privée. L’étude commence par définir les futurs attributs de l’architecture du réseau 6G et fait référence aux principales vulnérabilités telles que les attaques de réseaux ultra-denses, les cyberattaques basées sur l’IA et les attaques de menaces quantiques. Deux nouveaux systèmes de détection d’intrusion sont proposés pour se défendre contre ces menaces. Le premier, 6G-Secure IDS, intègre l’apprentissage fédéré et le transfert sécurisé des connaissances via la sécurité basée sur la blockhaus pour permettre la détection distribuée des menaces au détriment de la confidentialité des données. Le second, FBMP-IDS, élabore sa solution de manière plus complexe avec l’aide d’un calcul multiparité pour minimiser les coûts de calcul et la latence de communication sans compromettre les performances de détection élevées. En outre, la thèse présente TL2AB, un cadre authentification léger et fable qui fusionne l’évaluation des risques basée sur l’IA avec la vérification blockhaus pour garantir une gestion de l’identité sécurisée et évolutive dans les environnements 6G massifs. Les évaluations expérimentales démontrent que les deux systèmes proposés surpassent les cadres IDS traditionnels en termes d’évolutivité, de résilience et efficacité, confirmant le potentiel des solutions de sécurité décentralisées pour les réseaux 6G. Ce travail fournit non seulement une base solide pour sécuriser les communications sans fl de la prochaine génération, mais ouvre également la voie à de futures avancées dans le domaine de la cryptographie post-quantique, des protocoles de consensus à faible consommation d’énergie et des technologies de renforcement de la protection de la vie privée. En fin de compte, cette thèse contribue à une approche globale et prospective visant à garantir que les capacités de transformation des réseaux 6G sont réalisées de manière sûre, fable et durable.Item Apprentissage profond et super-pixels pour une approche sémantique de compression d’image(Université Badji Mokhtar Annaba, 2025) LEMNADJLIA, SaidaLa compression d’image joue un rôle crucial dans de nombreux domaines liés à l’imagerie numérique, notamment pour le stockage, la transmission rapide sur les réseaux et l’optimisation des ressources dans des contextes contraints (tels que les appareils mobiles, les systèmes embarqués ou le cloud). Face à l’augmentation constante de la résolution et du volume des images générées, il devient indispensable de développer des techniques de compression à la fois efficaces et intelligentes. Cette thèse propose une approche innovante de compression d’image fondée sur une combinaison de super-pixels et d’apprentissage profond, dans une optique sémantique. Contrairement aux méthodes classiques comme JPEG, qui exploitent principalement des redondances statistiques, cette approche cherche à comprendre le contenu visuel pour adapter dynamiquement le taux de compression. L’idée repose sur le constat que toutes les régions d’une image n’ont pas la même valeur sémantique. Ainsi, les zones contenant des objets importants (comme les visages ou objets spécifiques) méritent une compression avec perte minimale, tandis que les arrière-plans ou les zones moins informatives peuvent être compressés davantage sans altérer la perception globale. La méthode commence par une segmentation en super-pixels, permettant de regrouper les pixels similaires tout en respectant les contours des objets. Ensuite, un réseau de neurones profond analyse ces super-pixels pour en estimer l’importance sémantique. Cette estimation sert de guide pour ajuster le taux de compression localement. Les résultats expérimentaux démontrent que cette stratégie permet de réduire significativement le débit binaire tout en maintenant une qualité visuelle élevée, notamment sur les régions sémantiquement importantes. Des mesures objectives (PSNR, MSE, SS) et des évaluations subjectives confirment les performances de la méthode. En intégrant l’intelligence artificielle à la compression, cette approche ouvre la voie à des systèmes adaptatifs et conscients du contenu, adaptés à des usages variés comme la télémédecine, la vidéosurveillance, ou les véhicules autonomes, où la qualité des informations transmises est aussi cruciale que leur volume.Item Synthèse et caractérisation structurale, mécanique et tribologique d’un matériau nano structuré à base de Ti (Ti-6Al-xNb) pour applications biomédicales(Université Badji Mokhtar Annaba, 2026-02-12) GUERRAB, FahimaL'objectif de cette recherche est d'étudier le comportement structural, mécanique et tribologique d’alliage ternaires Ti-6Al-xNb nanostructure qui a été conçue pour développer des matériaux biomédicaux potentiels. Ainsi, notre recherche a porté une attention particulière à l'impact de deux éléments : en particulier, la durée du broyage et le taux de Nb. Les produits sont fabriqués par synthèse mécanique dans des conditions idéales avec l’utilisation d’un broyeur planétaire 7. L'analyse utilisant la diffraction des rayons X (DRX) des alliages produits a démontré que le Ti-6Al-xNb est un alliage présentant deux phases, α et β. Les études indiquent que la taille des grains a considérablement diminué en fonction de l'augmentation du temps. Alors que le module d’Young, et la microdureté dès l’alliage de titane s'accroissent avec la prolongation de la durée de broyage allant de 2 à 18 heures, nous observons que le module de Young du Ti-6Al-7Nb passe de 110 GPa à 2 heures pour atteindre 190 GPa à 18 heures., et au début du broyage de 2h, la microdureté des alliages augmente (320 HV0.02) et atteint son pic à 18 h (625 HV0.02) de broyage. L'accroissement de la dureté peut être dû à l'affinement des grains à mesure que la durée de broyage s'allonge. Cette étude vise également à analyser l'impact de la concentration en niobium sur les propriétés mécaniques et tribologiques des alliages Ti-6Al-xNb pressés isostatiquement à chaud (HIPed), utilisés dans le domaine orthopédique. Sous trois forces normales (2, 8 et 16 N), l'ajout de Nb conduit à une réduction du coefficient de friction et du taux d'usure. Les échantillons testés avec une teneur en niobium de 7 % présentaient les valeurs les plus basses concernant de coefficient de frottement et de taux d'usure. Cette amélioration des propriétés tribologies résulte du raffinement de la taille des grains, d’une porosité réduite et d’une densité plus élevée.Item Un multi-classifieur distribué et coopératif pour la reconnaissance des visages humains(Université Badji Mokhtar Annaba, 2025) DJELLAB, IssamCes dernières années, les chercheurs ont examiné diverses approches de combinaison de données pour l a reconnaissance faciale, ouvrant ainsi une nouvelle voie d'exploration visant à améliorer la fiabilité de la reconnaissance en capitalisant sur la synergie inhérente à diverses sources de données. Ce travail met en œuvre une comparaison complète entre deux méthodes de combinaison basées sur le niveau de score et le niveau de caractéristique, afin de déterminer quelle méthode améliore considérablement les performances globales du système. Dans la méthode initiale appelée "Combinaison de Classifieurs basée sur l'apprentissage profond", nous introduisons une nouvelle règle de fusion basée sur la combinaison au niveau du score. Ce modèle novateur comprend trois Classifieurs, chacun formé à l'aide de techniques bien établies d'extraction de caractéristiques : les motifs binaires locaux (LBP), l'histogramme des gradients orientés (HOG) et les descripteurs faciaux binaires compacts (CBFD). Au lieu de suivre des règles de combinaison conventionnelles, telles que le vote majoritaire ou les scores maximaux, les scores érivés de chaque Classifieur sont fusionnés, puis formés à l'aide d'un Classifieur Perceptron Multicouche (MLP) pour parvenir à la décision finale. Dans la méthode suivante, appelée "Reconnaissance Faciale basée sur l'Apprentissage Profond avec CNN", nous extrayons des caractéristiques de haut niveau à partir de plusieurs régions d'images considérées comme des données séquentielles en utilisant un ensemble de Réseaux de Neurones Convolutifs (CNN). Dans ce schéma, les couches entièrement connectées de chaque région d'images basée sur CNN sont combinées et alimentées dans un Réseau de Neurones Profonds (DNN) conçu pour la connaissance faciale. Les résultats expérimentaux obtenus à partir de bases de données faciales bien connues, notamment Labeled Faces in the Wild (LFW), Olivetti Research Laboratory (ORL) et IARPA Janus Benchmark-C (IJB-C), mettent en évidence les performances compétitives du modèle de combinaison multi-Classifieur proposé et du modèle d'apprentissage profond par rapport aux méthodes de pointe.Item Vers un système d’apprentissage à base de linked data(Université Badji Mokhtar Annaba, 2025-11-12) CHEMAM, ChaoukiL'apprentissage en ligne joue un rôle crucial dans l'enseignement supérieur, en particulier dans les contextes d'apprentissage à distance, où il dépend largement des ressources multimédias telles que les vidéos. Malgré leur valeur pédagogique, ces ressources souffrent souvent d'un manque de structure sémantique, ce qui rend difficile pour les apprenants de s'engager profondément avec le contenu. En particulier, les vidéos éducatives manquent généralement d'annotations significatives et de liens sémantiques, ce qui limite la capacité des apprenants à naviguer et à contextualiser le matériel.De plus, maintenir l'attention des apprenants pendant l'instruction basée sur des vidéos reste un défi persistant. Des études récentes ont mis en évidence l'impact positif des outils d'annotation sur la performance et l'engagement des apprenants. En réponse à ces enjeux, une initiative de recherche à l'Université Chadli Bendjedid d'El Tarf (UCBET) a développé une plateforme d'apprentissage en ligne innovante intégrant une ontologie spécifique au domaine et un module d'annotation vidéo sémantique. Cette plateforme permet aux apprenants d'enrichir le contenu vidéo en taguant des segments à l'aide de vocabulaires de données liées, facilitant ainsi une compréhension plus approfondie des concepts présentés. En parallèle, elle offre aux éducateurs des outils analytiques pour évaluer et surveiller les activités d'apprentissage en ligne. Une évaluation expérimentale de la plateforme a démontré son efficacité : les étudiants qui ont utilisé les fonctionnalités d'annotation sémantique ont montré une amélioration de la compréhension et de la rétention. Les résultats suggèrent que l'intégration de l'annotation vidéo sémantique dans les environnements d'apprentissage en ligne peut améliorer de manière significative le processus d'apprentissage et les résultats dans les contextes d'enseignement supérieur. De plus, la plateforme favorise une approche plus interactive et centrée sur l'apprenant, promouvant la construction active des connaissances. Elle contribue également à la personnalisation des parcours d'apprentissage en permettant le filtrage sémantique du contenu. D'un point de vue institutionnel, cela fournit des données précieuses pour évaluer les pratiques pédagogiques et améliorer la conception des cours. De futures recherches pourraient explorer l'intégration avec des systèmes de recommandation et des technologies d'apprentissage adaptatif. Cette approche représente une étape prometteuse vers des écosystèmes éducatifs intelligents et riches en sémantique.Item Guidage de l’apprenant dans un EIAH : optimisation des processus d’évaluation automatique de la programmation par l’intelligence artificielle(Université Badji Mokhtar Annaba, 2025-10-15) CHACHOUI, YasmineCette thèse s'inscrit dans le domaine des Environnements Informatiques pour l'Apprentissage Humain et se concentre sur l'amélioration de l'apprentissage de l'algorithmique dans l'enseignement supérieur. Le taux élevé d'échec des étudiants dans les cours de programmation reste un défi majeur, attribuable à un ensemble de facteurs tels que le déséquilibre des compétences préalables, l'insuffisance des méthodes pédagogiques traditionnelles, le déséquilibre des ensembles de données éducatives, et le manque de moyens pour évaluer de manière nuancée la compréhension des concepts enseignés. Pour répondre à ces défis, cette thèse propose deux contributions principales. La première aborde le problème du déséquilibre des classes dans les données éducatives, une problématique qui complique la formation de modèles prédictifs fiables. L'étude a été menée sur un échantillon de 2176 étudiants de première année en programmation, présentant un taux d'échec de 76%. Afin d’atténuer ce déséquilibre, des techniques de sur-échantillonnage, telles que SMOTE et trois de ses variantes, ont été appliquées. Une méthode nommée Equi-Fused-Data-based SMOTE a ensuite été implémentée pour combiner les jeux de données sur échantillonnés de manière non répétitive. Les résultats obtenus sont prometteurs, avec une précision de 93,85%, un F1-score de 92,86%, et un AUC de 98,08%, démontrant ainsi l'efficacité de cette approche pour améliorer significativement la performance des modèles prédictifs. La seconde contribution concerne l'évaluation de la compréhension des concepts de programmation dans le cadre d'une classification multi-label. Les modèles spécifiques pré-entraînés, tels que CodeBERT et UniXcoder,surpassent les modèles généraux comme BERT et RoBERTa en termes de précision, score F1 et la perte de Hamming pour les tâches de classification multi-label liées à la programmation. Parmi ces modèles, UniXcoder se distingue comme le meilleur, surpassant même CodeBERT, qui affiche pourtant des performances satisfaisantes. Cette thèse propose une approche de fusion pondérée pour améliorer encore la précision des évaluations. Les résultats montrent que l'approche de fusion pondérée permet aux modèles de traiter différents types d'erreurs,ce qui conduit à une amélioration globale des performances, avec UniXcoder en tête. Les résultats expérimentaux démontrent la pertinence des méthodes employées et ouvrent des perspectives pour des recherches futures visant à approfondir l'intégration de l'intelligence artificielle dans les EIAH.Item Security of heterogeneous systems on chip(Université Badji Mokhtar Annaba, 2025) GUECHI, BillelThe increasing complexity and globalization of integrated circuit (IC) supply chains have introduced critical vulnerabilities to hardware systems, particularly System-on-Chip (SoC) architectures. These architectures, due to their intricate designs and external dependencies, are highly susceptible to hardware Trojans (HTs). Hardware Trojans represent a significant security threat, capable of compromising data integrity, system functionality, and user privacy. This dissertation presents two key contributions to address this challenge. First, a passive method for detecting externally activated hardware Trojans is introduced. This method is particularly effective in the context of radio receivers, where external signals can be used to activate hidden Trojan circuits. By leveraging passive side-channel monitoring techniques, this approach identifies anomalous patterns without interfering with system operation, improving detection accuracy for Trojans that activate only in response to specific external stimuli. The second contribution is the development of a ardware security module (HSM) designed to protect data integrity through encryption. This HSM incorporates robust encryption mechanisms to guard against unauthorized access or data manipulation, ensuring that sensitive data remains intact and secure. The module integrates real-time encryption with integrity-checking, offering comprehensive protection against hardware and software-level tampering. Key results show moderate success for both contributions. The passive detection method demonstrated a medium level of accuracy in identifying externally activated Trojans in controlled radio receiver environments, with some challenges in minimizing false positives. Similarly, the hardware security module achieved a reasonable balance between performance overhead and data integrity protection, making it suitable for certain medium-critical applications but with room for further optimization in high-performance systems. These findings contribute to the detection of hardware Trojans and securing SoC designs, providing a foundation for future improvements in hardware security solutions.Item The security of internet of vehicles for smart cities(Université Badji Mokhtar Annaba, 2025) SAHBI, RoumissaIn recent years, the number of connected devices has increased rapidly forming the internet of Things (IoT). IoT created a revolution in several domains like healthcare, agriculture, education, and transportation system. Transportation system is developed to an intelligent vehicular system in which the vehicle becomes a smart object. Smart vehicles can communicate, cooperate, and interact with the whole world. Such cooperation between the vehicle and other objects create challenges in terms of availability, scalability, and security. Security is an important aspect in vehicular system; a security failure can cause disasters in human life lose. In this thesis, we propose secure authentication and confidentiality schemes. Our proposed schemes based on Cloud Computing, Software Defined Network, and elliptic curve cryptography.Item Integration of machine learning and bigdata approaches for pronunciation assessment(Université Badji Mokhtar Annaba, 2025) LOUNIS, MeriemThere is a growing interest in multilingualism, and pronunciation is the most challenging aspect of language mastery. Computer Assisted Pronunciation Training (CAPT), a specialized area of Computer Assisted Language Learning (CALL), aims to automate and enhance traditional learning methods by using digital devices in language teaching and learning through a range of pronunciation assessment software programs. These programs propose a means of detecting pronunciation errors, diagnosing them, and providing apprentices with educational and individualized feedback. A supervised deep learning technique might be used to tackle the binary classification issue for mispronunciation detection; still, this approach requires high-quality labeled audio recordings for both classes, mispronounced and well-pronounced utterances. However, the scarcity of qualitative and quantitative data in this field is one of the main obstacles. This was the primary motivation to conduct our three contributions presented in this thesis, in other words, dealing with the data sparsity problem to carry out a pronunciation error detection task on a mislabeled and imbalanced dataset. In the first solution, we considered the strength of generative models in learning representations, particularly Variational Autoencoder (VAE). VAE was used to perform an anomaly detection task by learning distributions in the latent space of the “good” pronunciations and then, detecting the “bad” ones as outliers. Our second contribution consists of using a discriminative Convolutional Neural Network (CNN) and exploring its power in extracting features from speech data to perform a one-class classification approach. Finally, Data Augmentation (DA) techniques were proposed as a third solution to augment the waveforms of our training data. DA allows us to perform ispronunciation detection in a supervised manner with the Support Vector Machine (SVM) model.Item Détection de mots clés(Université Badji Mokhtar Annaba, 2025) BENATI, NadiaLes avancées technologiques et les énormes capacités de stockage de données ont rendu disponible de grands ensemble de données audio. La parole prend une place prépondérante dans ces données, toutefois, l’exploitation de ces données nécessite le développement d’outils adéquats, car ces données sont le plus souvent des données brutes ni étiquetées ni annotées, et qui contiennent beaucoup de bruit, de diverses natures. Une des applications possibles pour tirer profit de ces données est la détection de mots clés qui pourrait participer à la construction de systèmes de recherche d’information, ou de pilotage de système automatique telle que la commande vocale. Dans ce contexte, ce travail propose une approche non supervisée pour la détection de mots clés dans un flux audio. Notre objectif est de créer un système automatique capable de reconnaître des mots-clés spécifiques sans avoir besoin de données préétiquetées. De cette problématique se sont détachées deux propositions,. La première s’inscrit dans l’approche classique qui s’adosse exclusivement sur l’aspect acoutsitque du signal. Ici, dans la phase de détection, un algorithme de calcul dynamique de distance est utilisé pour mesurer la similarité entre chaque segment parole du flux à prospecter et le mot clé à rechercher. La seconde proposition tire profit des nouvelles méthodes issues du deep learning. Ici, nous proposons une nouvelle méthode non supervisée qui se base sur les techniques du traitement d’image et de la vision par ordinateur portée par un réseau de neurones convolutionnel, pour permettre la détection non supervisée de mots à rechercher qui ne sont pas connus d’avance par le système. Des expériences sont menées pour évaluer nos propositions aussi bien sur le corpus parole proposé par l’association internationale de phonétique (IPA) que sur le très célebre Google Speech Command corpus. Les résultats que nous avons obtenu sont prometteurs et ouvrent la voie à d’autres expérimentations qui adressent le manque d’étiquettage et d’annotation des données parole.Item Séparation et classification des sources audio(Université Badji Mokhtar Annaba, 2025) ABDOUNE, LeilaLa reconnaissance des sons est devenue un domaine de recherche très actif ces dernières années, et elle soulève de nombreuses problématiques. Comme tout problème de reconnaissance, le choix des méthodes d‘extraction de caractéristiques et de classification est l’un des problèmes les plus posés par ces systèmes car un bon choix de ces dernières influence positivement tout le système, et inversement. Le choix d’une méthode donnée dans un système de reconnaissance se fait soit selon des travaux antérieurs issus de l’état de l’art, ou bien par expérimentation en tenant compte des critères imposés par l’application visée ce qui conduit à enrichir l’état de l’art de nouveau. Les domaines d’application de la reconnaissance des sons sont divers et multiples, et un point commun pour la plupart d’entre eux est la télésurveillance. En effet, la télésurveillance peut avoir lieu soit à l’intérieur, ou à l’extérieur, et c’est le premier cas qui nous intéresse et plus précisément la télésurveillance des personnes âgées ou handicapés vivant seules. La mise à disposition d’un système de télésurveillance audio pour cette catégorie est d’une grande importance et c’est l’objet de cette thèse. Par ailleurs, synthétiser des travaux antérieurs, étudier les sons qui peuvent avoir lieu dans un appartement, la recherche de méthodes appropriées pour la reconnaissance des sons et l’étude de la faisabilité des méthodes issues des domaines voisins, notamment la reconnaissance de la parole et de la musique, font aussi partie des objectifs principaux de ce travail. En effet, Nous effectuons une étude comparative des travaux existants puis nous présentons l’architecture du système de reconnaissance des sons, mais avant de se faire, un corpus de sons de la vie courante est proposé. Les machines à vecteurs support (SVM) constituent notre premier centre d’intérêt vu leur puissance de séparation des différentes classes, combinés avec des paramètres acoustiques basés sur les MFCC (Mel Frequency Cepstral Coefficients). Le choix des SVM comme méthode de classification est le résultat d’une étude sur des travaux antérieurs où, vis-à-vis de notre application, le compromis entre la complexité des algorithmes et les performances du système est l’un des critères les plus notables. De plus, la plupart des applications pour la maison intelligente sont intégrées dans un produit matériel dont la puissance de calcul ne peut pas correspondre à celle d'un PC. Dans un premier temps, nous nous sommes intéressés à la construction d’une base de données pour les sons de la vie courante dans un habitat en partant du problème de l’absence d’une base de données standard. Cependant, dans un objectif de comparaison avec d’autres travaux une autre base de données a été utilisée. Les expérimentations réalisées dans cette thèse montrent l’efficacité des SVM et les MFCC pour la reconnaissance des sons de la vie courante qui sont de nature très diversifiés, et malgré que les tests effectués restent perfectibles vu la taille limitée de la base de données utilisée, ils sont encourageants et ouvrent la voie à plusieurs autres travaux et voire d’autres sujets de recherche.Item Communication Véhicule à Infrastructure (V2I) pour la sécurité(Université Badji Mokhtar Annaba, 2025) AHMED MALEK, Nadades infrastructures de transport vieillissantes contribuant à des taux élevés d'accidents, notamment dans les pays en développement comme l'Algérie. Cette recherche explore le rôle de la communication véhicule-à-infrastructure (V2I) dans le cadre des Systèmes de Transport Intelligents (STI) pour améliorer la sécurité routière. En permettant une interaction en temps réel entre les véhicules et les infrastructures routières, la V2I a le potentiel de réduire les accidents, de mieux gérer le trafic et d'améliorer l'efficacité générale des transports. Cette thèse commence par un examen des technologies V2I actuelles, en se concentrant sur les cadres techniques et opérationnels qui soutiennent ces systèmes. L'étude aborde les défis spécifiques auxquels l'Algérie est confrontée, tels que le vieillissement des infrastructures et les contraintes réglementaires, et identifie comment la V2I peut être adaptée à ce contexte. Les principaux objectifs de la recherche incluent l'évaluation de l'efficacité de la communication V2I dans la prévention des accidents, l'analyse des exigences techniques pour son implémentation et la proposition d'un cadre pour son intégration dans le système de transport algérien. La méthodologie combine des simulations à l'aide de SUMO (Simulation of Urban Mobility) et un prototypage basé sur des systèmes Arduino, testant divers scénarios de communication V2I dans différentes conditions de trafic. Les simulations révèlent des améliorations significatives dans la gestion du trafic et lavention des accidents, validant l'efficacité de la V2I dans la réduction des risques de collision et l'amélioration de la sécurité routière. Les prototypes démontrent la faisabilité pratique de déployer des systèmes V2I dans des environnements réels, en tenant compte des infrastructures locales et des facteurs d'acceptation sociale. Les résultats montrent que l'adoption de la V2I dans les villes algériennes pourrait considérablement réduire les taux d'accidents de la route et améliorer le flux de circulation. L'étude se termine par des recommandations stratégiques à l'intention des décideurs politiques, des développeurs d'infrastructures et des techniciens, offrant une feuille de route pour la mise en œuvre des systèmes V2I en Algérie. Des pistes pour des recherches futures sont également suggérées, y compris l'intégration de l'intelligence artificielle pour améliorer encore les capacités des systèmes V2I dans la prédiction et la prévention des accidents.Item Artificial intelligence techniques for medical decision support : application to cardiovascular diseases(Université Badji Mokhtar Annaba, 2025) BOUKHAMLA, AssiaCardiovascular disease (CVD) remains a leading cause of death worldwide, and early diagnosis is critical to improving patient outcomes. Despite advances in diagnostic imaging, such as MRI and CT, challenges still need to be solved in terms of cost, long processing times, and the need for specialized expertise. Deep learning (DL) techniques, particularly convolutional neural networks (CNNs) and vision transformers (ViTs) have shown great promise in medical image analysis, particularly for segmentation and clas- sification tasks. However, limitations still need to beimproved across divers eclinical datasets, as well as the need for large annotated datasets to train models effectively.Item Contribution à l'utilisation de l'internet of things pour la gestion du système de transport intelligent(Université Badji Mokhtar Annaba, 2025) BOUBEDRA, SomiaIn this thesis, we propose an enhanced approach based on the Ant Colony Optimization (ACO) meta-heuristic that allows vehicle drivers to search for optimal routes in urban areas from different perspectives, such as shortness and rapidness. Furthermore, Vehicular Ad hoc Networks (VANETs) were introduced to enable direct communication between vehicles and infrastructure. However, practical applications of VANETs have faced challenges such as unstable network services, incompatible network architectures, and limitations in computing ability and storage space. Consequently, to address these shortcomings, vehicle networks are transforming into the Internet of Vehicles (IoV).Item Testing collective cyber-physical systems and embedded multi-agent systems(Université Badji Mokhtar Annaba, 2024) OUDINA, ZinaDesigning a high-confidence cyber-physical system (CPS) is required to guarantee the effectiveness and security of the system. The variability of the system makes the engineering requirements for CPS complex. Additionally, it is necessary to test CPS robustness because system errors and malfunctions can occur. The verification determines whether a system meets a set of requirements. Such cyber-physical systems are used in various essential fields, including air traffic, ransportation, energy, and oil and gas. Verification is critical for developing secure systems with high assurance levels. Defining a test strategy is critical to reducing costs and maximizing the efficiency of system development and manufacturing organizations.Item Utilisation des forêts aléatoires pour améliorer les performances d'un système de raisonnement à partir de cas médical(Université Badji Mokhtar Annaba, 2024) TARCHOUNE, IlhemNotre objectif consiste à garantir la recherche d’un cas qui soit le plus facile à adapter afin d’améliorer la performance du RàPC. Les performances de l’utilisation des forêts aléatoires (FA) améliorées sont évaluées sur plusieurs bases de données médicales. Les résultats obtenus sont satisfaisants et très encourageants et montrent l’efficacité des forêts aléatoires comme outils de classification et de raisonnement diagnostique.Item Protection de la vie privée des utilisateurs sur le web(Université Badji Mokhtar Annaba, 2025) ZAIMI, RaniaOur thesis aims to conduct a study on privacy protection on the Internet. We have chosen to narrow this issue by focusing on the challenge of safeguarding personal data against Phishing, the most prevalent type of attack in the cybersecurity realm for identity theft. Phishing is a fraudulent activity in which individuals and organizations are lured to visit malicious URLs and share their personal data, including passwords, credit card details, and other personal information, directly impacting their online privacy. These deceptive attacks are strategically executed to deceive users into believing they are interacting with a trustworthy website or online service to steal their account information for malicious purposes.