Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo

Dspace KHENCHELA

  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "- KHANOUF Romaissa - BELOUAAR Maissa"

Now showing 1 - 2 of 2
Results Per Page
Sort Options
  • No Thumbnail Available
    Item
    Sélection d’attributs et classification pour le diagnostique des maladies chroniques
    (2021) - KHANOUF Romaissa - BELOUAAR Maissa
  • No Thumbnail Available
    Item
    Sélection d’attributs et classification pour le diagnostique des maladies chroniques
    (2022) - KHANOUF Romaissa - BELOUAAR Maissa
    Dans ce mémoire, nous avons conçu les modèles pour les maladies chroniques afin de réduire le risque et la survenue de complications de ces maladies sur la santé du patient. Pour concevoir ces modèles, nous avons utilisé deux approches, nous présentons une méthode adaptatifs appelés SelectKBest qui est de la méthode de sélect ion d’attribut. Il serait combiné avec différents classificateurs pour trouver les meilleurs attributs, qui atteignent la plus grande précision dans la classification. Enfin, nous présentons les algorithmes K voisins les plus proches (KNN), Arbres de décision, Machine à vecteurs de support (SVM) et Naive Bayes pour découvrir les règles de classification, Nos approches proposées ont été expérimentées sur des ensembles de données de référence (Wisconsin Breast Cancer, Diabète Pima Indian, CAD). Les résultats expérimentaux prouvent que les précisions de classification sont puissantes pour les différents ensembles de données.

DSpace software copyright © 2002-2025 LYRASIS

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback