La combinaison des algorithmes d’optimisation par essaims (swarm) et les méthodes d’apprentissage.
| dc.contributor.author | 01) MAHTALLAH Alim 02) SOUALHI Mourad | |
| dc.date.accessioned | 2024-09-19T09:44:37Z | |
| dc.date.available | 2024-09-19T09:44:37Z | |
| dc.date.issued | 2022 | |
| dc.description.abstract | Un classifieur binaires est un classifieur qui a besoin dans sa phase d’apprentissage de deux ensembles l'un contient des données positivement étiquetées et l'autre des données négativement étiquetées. Le but étant d’inférer un modèle de classification à partir de ces deux ensembles. Il arrive souvent que les données contiennent uniquement une petite partie des éléments positivement étiquetées, le reste ce sont des éléments non étiquetés. Ce type de problématique est appelé l’apprentissage positif et non étiqueté. Dans ce contexte, nous avons proposé une méthode de sélection des meilleurs négatifs fiables basé sur les techniques d'intelligence en essaim pour qu’on puisse par la suite appliquer la méthode SVM. Pour cela nous avons proposé la méthode BCSA-SVM qui est une combinaison de binarisation de l’algorithme Crow Search Algorithm et la méthode SVM. | |
| dc.identifier.uri | http://dspace.univ-khenchela.dz:4000/handle/123456789/6647 | |
| dc.language.iso | fr | |
| dc.title | La combinaison des algorithmes d’optimisation par essaims (swarm) et les méthodes d’apprentissage. | |
| dc.type | Thesis |