Approches Bio-inspirées pour la Sélection d'Attributs
| dc.contributor.author | MENGHOUR Kamilia | |
| dc.date.accessioned | 2023-05-04T10:59:37Z | |
| dc.date.available | 2023-05-04T10:59:37Z | |
| dc.date.issued | 2015 | |
| dc.description.abstract | Le travail présenté dans ce manuscrit se situe dans le domaine de la classification et, plus précisément, celui de la sélection d’attributs ou de caractéristiques qui se rapporte au problème du choix des attributs les plus informatifs pour la réalisation d’une tâche de classification. L’objectif principal de cette sélection est de réduire le nombre de caractéristiques, en éliminant les attributs redondants et non pertinents, tout en essayant de maintenir ou d’améliorer la performance du classifieur. Dans le cadre de notre travail, nous nous sommes intéressés aux méthodes bio-inspirées évolutionnaires, en particulier, celles issues de l’intelligence en essaims (swarm intelligence) pour la sélection de caractéristiques. Après une étude approfondie des méthodes classiques et bio-inspirées de sélection d’attributs, nous avons commencé par la proposition d’une approche basée sur des méthodes classiques d’ordonnancement de caractéristiques puis deux approches de sélection d’attributs issues de la swarm intelligence, l’une est basée sur les variantes de l’algorithme d’optimisation par les colonies de fourmis (ACO) et l’autre est basée sur l’algorithme d’optimisation par les essaims particulaires (PSO). Suite à l’étude des travaux relatifs aux méthodes bio-inspirées hybrides, nous avons constaté le manque de propositions d’hybridation de méthodes bio-inspirées pour la sélection d’attributs. Dans ce cadre, nous proposons et comparons trois approches d’hybridation d’algorithmes d’optimisation par les colonies de fourmis et les essaims particulaires pour la sélection d’attributs. Les expérimentations ont été effectuées en utilisant six bases de données publiques, et leurs résultats ont montré, qu’avec toutes les approches proposées et évaluées, on peut réduire le nombre de caractéristiques et améliorer les taux de classification correcte. | |
| dc.identifier.uri | https://dspace.univ-annaba.dz//handle/123456789/2694 | |
| dc.language.iso | fr | |
| dc.title | Approches Bio-inspirées pour la Sélection d'Attributs | |
| dc.type | Thesis | |
| dspace.entity.type |