University Sétif 1 FERHAT ABBAS Faculty of Sciences
Catégories
Ajouter le résultat dans votre panier Affiner la recherche
Titre : Composition de services web sémantiques dans des systèmes ouverts et dynamiques Type de document : texte imprimé Auteurs : Fateh Seghir, Auteur ; Khababa,Abdellah, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (119 f .) Format : 29 cm Langues : Anglais (eng) Langues originales : Anglais (eng) Catégories : Thèses & Mémoires:Informatique Mots-clés : Sélection de service web
Qualité de service (QoS)
Optimisation combinatoire
Méta-heuristiques
Incertitude QoS
IntervallenombreIndex. décimale : 004 Informatique Résumé : Résumé
Avec la prolifération du cloud computing et de l'internet des objets, de plus en plus
de services web, orant des fonctionnalités similaires mais orant une qualité de service
(QoS) diérente, comme le temps d'exécution, le prix et le débit . . . seront proposés
sur le web. Par conséquent, la sélection des services Web optimaux pour créer un service
composite optimal répondant aux contraintes globales de QoS de bout en bout est
l'un des problèmes les plus importants de la composition de services, appelé QoSSCP.
Le QoSSCP est considéré comme un problème d'optimisation multi-objective dur non
polynomial; par conséquent, des approches robustes doivent être développées pour ré-
soudre ce problème complexe. Dans ce travail, trois contributions majeures basées sur
les algorithmes méta-heuristiques sont proposées pour résoudre le QoSSCP. Dans la premi
ère contribution, nous adaptons un algorithme d'optimisation stochastique récent appel
é algorithme d'optimisation de la mouche du fruit (FOA) comme une recherche locale
dans l'évolution de l'algorithme génétique (GA), et nous présentons une approche hybride
(HGA) pour résoudre le problème suggéré. Dans la deuxième contribution, une version
discrète de l'algorithme de concurrence impérialiste (DICA) est introduite pour résoudre
le problème susmentionné. Le processus d'assimilation du DICA est mis en oeuvre en
utilisant le mécanisme de recherche d'abeilles à partir de l'algorithme de la colonie arti
cielle d'abeilles (ABC). Dans la troisième contribution, nous proposons une approche
basées sur l'algorithme ABC. Contrairement aux approches proposées précédemment, où
le QoSSCP résolu est basé sur l'hypothèse de valeurs xes pour les attributs QoS des
services web élémentaires, les propriétés QoS incertaines sont considérées dans l'approche
proposée, qui sont exprimées sous forme de nombres d'intervalles. L'approche proposée
est une méthode d'optimisation multi-objective (IPMOABC); ainsi, un ensemble de solutions
optimales de Pareto peut être produit, ce qui fournit une décision de choix pour la
meilleure solution requise. Basés sur des bases de données réelles et aléatoires, les résultats
expérimentaux montrent que les HGA, DICA, et IPMOABC surpassent les versions
standards des métaheuristiques utilisées.Note de contenu :
Sommaire
List of gures iii
List of tables v
1 General Introduction 1
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 QoS-aware service composition: Research scope and challenges . . . . . . . 2
1.2.1 Scalability and optimality . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.2 Uncertainty and dynamic environments . . . . . . . . . . . . . . . . 3
1.3 Motivating example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 Research aims and contributions . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Thesis organization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 A hybrid approach using genetic and fruit y optimization algorithms for QoS-aware cloud service composition 9
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 GA, FOA and problem description . . . . . . . . . . . . . . . . . . . . . . 11
2.2.1 Genetic Algorithm(GA) . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.2 Fruit y Optimization Algorithm(FOA) . . . . . . . . . . . . . . . . 11
2.2.3 Notations and problem description . . . . . . . . . . . . . . . . . . 13
2.3 The proposed approach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3.1 Encoding scheme . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3.2 Population initialization . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3.2.1 Local optimization selection method . . . . . . . . . . . . 17
2.3.2.2 Improved initial population generation . . . . . . . . . . . 18
2.3.3 Fitness evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.3.4 Genetic phase (Global exploration) . . . . . . . . . . . . . . . . . . 22
2.3.4.1 Selection operator . . . . . . . . . . . . . . . . . . . . . . 22
2.3.4.2 Crossover operator . . . . . . . . . . . . . . . . . . . . . . 23
2.3.4.3 Mutation operator . . . . . . . . . . . . . . . . . . . . . . 24
2.3.5 FOA phase (Local exploitation) . . . . . . . . . . . . . . . . . . . . 25
2.3.6 The elitism operator . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3.7 The stopping criterion . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3.8 The framework of the proposed HGA . . . . . . . . . . . . . . . . 26
2.4 Experiments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.4.1 Parameter setting of HGA . . . . . . . . . . . . . . . . . . . . . . . 28
2.4.2 Comparisons and results . . . . . . . . . . . . . . . . . . . . . . . . 29
2.4.2.1 Optimality and execution time . . . . . . . . . . . . . . . 31
2.4.2.2 Feasibility rate . . . . . . . . . . . . . . . . . . . . . . . . 34
2.4.2.3 Eects of user QoS preferences . . . . . . . . . . . . . . . 35
2.4.2.4 Eects of QoS value ranges . . . . . . . . . . . . . . . . . 37
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3 A new discrete imperialist competitive algorithm for QoS-aware service composition in cloud computing 43
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.2 ICA and the QCSC problem formulation . . . . . . . . . . . . . . . . . . . 45
3.2.1 The imperialist competitive algorithm (ICA) . . . . . . . . . . . . . 45
3.2.2 The QCSC problem formulation . . . . . . . . . . . . . . . . . . . . 47
3.3 The proposed algorithm (DICA) . . . . . . . . . . . . . . . . . . . . . . . . 49
3.3.1 Initialization of empires (initial population) . . . . . . . . . . . . . 49
3.3.2 Discrete assimilation policy process . . . . . . . . . . . . . . . . . . 51
3.3.3 Moving of imperialists toward strongest imperialist . . . . . . . . . 53
3.3.4 Revolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.3.5 Update the imperialist . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.3.6 Empires competition process . . . . . . . . . . . . . . . . . . . . . . 55
3.3.7 The ending criterion of DICA . . . . . . . . . . . . . . . . . . . . . 56
3.3.8 The framework of the proposed algorithm . . . . . . . . . . . . . . 57
3.4 Experiments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.4.1 Optimality comparisons . . . . . . . . . . . . . . . . . . . . . . . . 59
3.4.2 Computation time comparisons . . . . . . . . . . . . . . . . . . . . 60
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4 An interval-based multi-objective articial bee colony algorithm for solving the web service composition under uncertain QoS 63
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.2 Uncertain QoS computing model . . . . . . . . . . . . . . . . . . . . . . . 67
4.2.1 Preliminaries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.2.1.1 Interval arithmetic . . . . . . . . . . . . . . . . . . . . . . 67
4.2.1.2 Interval order relation . . . . . . . . . . . . . . . . . . . . 68
4.2.2 QoS model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.2.3 QoS aggregation for composite service . . . . . . . . . . . . . . . . 71
4.3 Problem description and articial bee colony algorithm . . . . . . . . . . . 72
4.3.1 Interval multi-objective optimization problem . . . . . . . . . . . . 72
4.3.2 The articial bee colony algorithm (ABC) . . . . . . . . . . . . . . 74
4.3.3 Multi-objective QoS uncertainty-aware service composition problem
(UQoSSCP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.3.3.1 Problem formulation . . . . . . . . . . . . . . . . . . . . . 76
4.4 The proposed interval-based multi-objective articial bee colony algorithm (IPMOABC) . . . . . . . . 77
4.4.1 Encoding of food source and population initialization . . . . . . . . 77
4.4.2 Interval-based feasibility technique for handling constraints . . . . . 78
4.4.3 The uncertain-Pareto non-dominated solutions . . . . . . . . . . . . 81
4.4.4 Extended crowding distance based on a interval-distance denition . 81
4.4.5 Update external repository . . . . . . . . . . . . . . . . . . . . . . . 83
4.4.6 Behaviors of employed bees, onlookers and scouts . . . . . . . . . . 84
4.4.6.1 Employed bee phase . . . . . . . . . . . . . . . . . . . . . 84
4.4.6.2 Onlooker bee phase . . . . . . . . . . . . . . . . . . . . . . 86
4.4.6.3 Scoot bee phase . . . . . . . . . . . . . . . . . . . . . . . . 87
4.4.7 The framework of the proposed IPMOABC algorithm . . . . . . . . 88
4.5 Experiments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
4.5.1 Experimental datasets . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.5.2 Uncertain Pareto optimal front . . . . . . . . . . . . . . . . . . . . 91
4.5.3 Performance comparisons . . . . . . . . . . . . . . . . . . . . . . . . 92
4.5.3.1 Comparisons on WSDream dataset . . . . . . . . . . . . . 98
4.5.3.2 Comparisons on WSRandom dataset . . . . . . . . . . . . 100
4.5.4 Eectiveness of the generating neighbors process . . . . . . . . . . . 102
4.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5 General conclusion and perspectives 108
5.1 Contributions and research summary . . . . . . . . . . . . . . . . . . . . . 108
5.1.1 A hybrid approach using genetic and fruit y optimization algorithms
for QoS-aware cloud service composition . . . . . . . . . . . 109
5.1.2 A new discrete imperialist competitive algorithm for QoS-aware service
composition in cloud computing . . . . . . . . . . . . . . . . . 109
5.1.3 An interval-based multi-objective articial bee colony algorithm for solving the web service composition under uncertain QoS . . . . . . 110
5.2 Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
Bibliography 112
Côte titre : DI/0030 En ligne : https://drive.google.com/file/d/1P6sVN2h8vS51c5FaCq-r3UcifmtYxFv-/view?usp=shari [...] Format de la ressource électronique : Composition de services web sémantiques dans des systèmes ouverts et dynamiques [texte imprimé] / Fateh Seghir, Auteur ; Khababa,Abdellah, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (119 f .) ; 29 cm.
Langues : Anglais (eng) Langues originales : Anglais (eng)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Sélection de service web
Qualité de service (QoS)
Optimisation combinatoire
Méta-heuristiques
Incertitude QoS
IntervallenombreIndex. décimale : 004 Informatique Résumé : Résumé
Avec la prolifération du cloud computing et de l'internet des objets, de plus en plus
de services web, orant des fonctionnalités similaires mais orant une qualité de service
(QoS) diérente, comme le temps d'exécution, le prix et le débit . . . seront proposés
sur le web. Par conséquent, la sélection des services Web optimaux pour créer un service
composite optimal répondant aux contraintes globales de QoS de bout en bout est
l'un des problèmes les plus importants de la composition de services, appelé QoSSCP.
Le QoSSCP est considéré comme un problème d'optimisation multi-objective dur non
polynomial; par conséquent, des approches robustes doivent être développées pour ré-
soudre ce problème complexe. Dans ce travail, trois contributions majeures basées sur
les algorithmes méta-heuristiques sont proposées pour résoudre le QoSSCP. Dans la premi
ère contribution, nous adaptons un algorithme d'optimisation stochastique récent appel
é algorithme d'optimisation de la mouche du fruit (FOA) comme une recherche locale
dans l'évolution de l'algorithme génétique (GA), et nous présentons une approche hybride
(HGA) pour résoudre le problème suggéré. Dans la deuxième contribution, une version
discrète de l'algorithme de concurrence impérialiste (DICA) est introduite pour résoudre
le problème susmentionné. Le processus d'assimilation du DICA est mis en oeuvre en
utilisant le mécanisme de recherche d'abeilles à partir de l'algorithme de la colonie arti
cielle d'abeilles (ABC). Dans la troisième contribution, nous proposons une approche
basées sur l'algorithme ABC. Contrairement aux approches proposées précédemment, où
le QoSSCP résolu est basé sur l'hypothèse de valeurs xes pour les attributs QoS des
services web élémentaires, les propriétés QoS incertaines sont considérées dans l'approche
proposée, qui sont exprimées sous forme de nombres d'intervalles. L'approche proposée
est une méthode d'optimisation multi-objective (IPMOABC); ainsi, un ensemble de solutions
optimales de Pareto peut être produit, ce qui fournit une décision de choix pour la
meilleure solution requise. Basés sur des bases de données réelles et aléatoires, les résultats
expérimentaux montrent que les HGA, DICA, et IPMOABC surpassent les versions
standards des métaheuristiques utilisées.Note de contenu :
Sommaire
List of gures iii
List of tables v
1 General Introduction 1
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 QoS-aware service composition: Research scope and challenges . . . . . . . 2
1.2.1 Scalability and optimality . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.2 Uncertainty and dynamic environments . . . . . . . . . . . . . . . . 3
1.3 Motivating example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 Research aims and contributions . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Thesis organization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 A hybrid approach using genetic and fruit y optimization algorithms for QoS-aware cloud service composition 9
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 GA, FOA and problem description . . . . . . . . . . . . . . . . . . . . . . 11
2.2.1 Genetic Algorithm(GA) . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.2 Fruit y Optimization Algorithm(FOA) . . . . . . . . . . . . . . . . 11
2.2.3 Notations and problem description . . . . . . . . . . . . . . . . . . 13
2.3 The proposed approach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3.1 Encoding scheme . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3.2 Population initialization . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3.2.1 Local optimization selection method . . . . . . . . . . . . 17
2.3.2.2 Improved initial population generation . . . . . . . . . . . 18
2.3.3 Fitness evaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.3.4 Genetic phase (Global exploration) . . . . . . . . . . . . . . . . . . 22
2.3.4.1 Selection operator . . . . . . . . . . . . . . . . . . . . . . 22
2.3.4.2 Crossover operator . . . . . . . . . . . . . . . . . . . . . . 23
2.3.4.3 Mutation operator . . . . . . . . . . . . . . . . . . . . . . 24
2.3.5 FOA phase (Local exploitation) . . . . . . . . . . . . . . . . . . . . 25
2.3.6 The elitism operator . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3.7 The stopping criterion . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3.8 The framework of the proposed HGA . . . . . . . . . . . . . . . . 26
2.4 Experiments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.4.1 Parameter setting of HGA . . . . . . . . . . . . . . . . . . . . . . . 28
2.4.2 Comparisons and results . . . . . . . . . . . . . . . . . . . . . . . . 29
2.4.2.1 Optimality and execution time . . . . . . . . . . . . . . . 31
2.4.2.2 Feasibility rate . . . . . . . . . . . . . . . . . . . . . . . . 34
2.4.2.3 Eects of user QoS preferences . . . . . . . . . . . . . . . 35
2.4.2.4 Eects of QoS value ranges . . . . . . . . . . . . . . . . . 37
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3 A new discrete imperialist competitive algorithm for QoS-aware service composition in cloud computing 43
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.2 ICA and the QCSC problem formulation . . . . . . . . . . . . . . . . . . . 45
3.2.1 The imperialist competitive algorithm (ICA) . . . . . . . . . . . . . 45
3.2.2 The QCSC problem formulation . . . . . . . . . . . . . . . . . . . . 47
3.3 The proposed algorithm (DICA) . . . . . . . . . . . . . . . . . . . . . . . . 49
3.3.1 Initialization of empires (initial population) . . . . . . . . . . . . . 49
3.3.2 Discrete assimilation policy process . . . . . . . . . . . . . . . . . . 51
3.3.3 Moving of imperialists toward strongest imperialist . . . . . . . . . 53
3.3.4 Revolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.3.5 Update the imperialist . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.3.6 Empires competition process . . . . . . . . . . . . . . . . . . . . . . 55
3.3.7 The ending criterion of DICA . . . . . . . . . . . . . . . . . . . . . 56
3.3.8 The framework of the proposed algorithm . . . . . . . . . . . . . . 57
3.4 Experiments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.4.1 Optimality comparisons . . . . . . . . . . . . . . . . . . . . . . . . 59
3.4.2 Computation time comparisons . . . . . . . . . . . . . . . . . . . . 60
3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4 An interval-based multi-objective articial bee colony algorithm for solving the web service composition under uncertain QoS 63
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.2 Uncertain QoS computing model . . . . . . . . . . . . . . . . . . . . . . . 67
4.2.1 Preliminaries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.2.1.1 Interval arithmetic . . . . . . . . . . . . . . . . . . . . . . 67
4.2.1.2 Interval order relation . . . . . . . . . . . . . . . . . . . . 68
4.2.2 QoS model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.2.3 QoS aggregation for composite service . . . . . . . . . . . . . . . . 71
4.3 Problem description and articial bee colony algorithm . . . . . . . . . . . 72
4.3.1 Interval multi-objective optimization problem . . . . . . . . . . . . 72
4.3.2 The articial bee colony algorithm (ABC) . . . . . . . . . . . . . . 74
4.3.3 Multi-objective QoS uncertainty-aware service composition problem
(UQoSSCP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.3.3.1 Problem formulation . . . . . . . . . . . . . . . . . . . . . 76
4.4 The proposed interval-based multi-objective articial bee colony algorithm (IPMOABC) . . . . . . . . 77
4.4.1 Encoding of food source and population initialization . . . . . . . . 77
4.4.2 Interval-based feasibility technique for handling constraints . . . . . 78
4.4.3 The uncertain-Pareto non-dominated solutions . . . . . . . . . . . . 81
4.4.4 Extended crowding distance based on a interval-distance denition . 81
4.4.5 Update external repository . . . . . . . . . . . . . . . . . . . . . . . 83
4.4.6 Behaviors of employed bees, onlookers and scouts . . . . . . . . . . 84
4.4.6.1 Employed bee phase . . . . . . . . . . . . . . . . . . . . . 84
4.4.6.2 Onlooker bee phase . . . . . . . . . . . . . . . . . . . . . . 86
4.4.6.3 Scoot bee phase . . . . . . . . . . . . . . . . . . . . . . . . 87
4.4.7 The framework of the proposed IPMOABC algorithm . . . . . . . . 88
4.5 Experiments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
4.5.1 Experimental datasets . . . . . . . . . . . . . . . . . . . . . . . . . 91
4.5.2 Uncertain Pareto optimal front . . . . . . . . . . . . . . . . . . . . 91
4.5.3 Performance comparisons . . . . . . . . . . . . . . . . . . . . . . . . 92
4.5.3.1 Comparisons on WSDream dataset . . . . . . . . . . . . . 98
4.5.3.2 Comparisons on WSRandom dataset . . . . . . . . . . . . 100
4.5.4 Eectiveness of the generating neighbors process . . . . . . . . . . . 102
4.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5 General conclusion and perspectives 108
5.1 Contributions and research summary . . . . . . . . . . . . . . . . . . . . . 108
5.1.1 A hybrid approach using genetic and fruit y optimization algorithms
for QoS-aware cloud service composition . . . . . . . . . . . 109
5.1.2 A new discrete imperialist competitive algorithm for QoS-aware service
composition in cloud computing . . . . . . . . . . . . . . . . . 109
5.1.3 An interval-based multi-objective articial bee colony algorithm for solving the web service composition under uncertain QoS . . . . . . 110
5.2 Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
Bibliography 112
Côte titre : DI/0030 En ligne : https://drive.google.com/file/d/1P6sVN2h8vS51c5FaCq-r3UcifmtYxFv-/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité DI/0030 DI/0030 Thèse Bibliothéque des sciences Français Disponible
DisponibleCompression des images animées par le codage EZW 2D / Azzaz, lamia
Titre : Compression des images animées par le codage EZW 2D Type de document : texte imprimé Auteurs : Azzaz, lamia ; DOUIDI, L, Directeur de thèse Editeur : Setif:UFA Année de publication : 2017 Importance : 1 vol (90f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Génie Logiciel
compression d'image
image monochrome
compression progressiveIndex. décimale : 004 Informatique Côte titre : MAI/0187 Compression des images animées par le codage EZW 2D [texte imprimé] / Azzaz, lamia ; DOUIDI, L, Directeur de thèse . - [S.l.] : Setif:UFA, 2017 . - 1 vol (90f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Génie Logiciel
compression d'image
image monochrome
compression progressiveIndex. décimale : 004 Informatique Côte titre : MAI/0187 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0187 MAI/0187 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Conception d'un environnement d'apprentissage a base d'ontologies Type de document : texte imprimé Auteurs : Hamel, amina ; MEDIANI, Chahrazed, Directeur de thèse Editeur : Setif:UFA Année de publication : 2017 Importance : 1 vol (51f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Ingénierie de Données
Technologies Web
e-learning
Web sémantique
ontologie
documents pédagogiques
OWLIndex. décimale : 004 Informatique Résumé : Résumé
De nos jours avec l’avènement de l’Internet, les nouvelles technologies de
l’information et de la communication « TIC » améliorent profondément nos façon
d’informer et de communiquer. Cette émergence technologique fait apparaître un
nouveau mode d’apprentissage connu sous le nom de e-learning.
Les systèmes d’e-learning visent à offrir un accès facile et permanent aux ressources
pédagogiques mises en ligne. Cet accès permet de développer les compétences des
apprenants, tout en rendant le processus d’apprentissage indépendant du temps et du
lieu.
L’objectif de ce travail est d’améliorer la qualité de ces nouvelles technologies par
l’utilisation du web sémantique qui apparaissent comme une technologie prometteuse
pour l’implémentation du e-learning et pour résoudre les problèmes d’accès et de
gestions des ressources pédagogiques disponible sur le web. Dans ce mémoire, nous
proposons une plate-forme pour un environnement d’apprentissage à distance basée sur
une ontologie de domaine dont le but est d’améliorer la qualité et l’efficacité de
l’apprentissage.Note de contenu : Table des matières
Introduction Générale .................................................................................................1
Chapitre 1 : Etat de l’art.............................................................................................3
1. Introduction.........................................................................................................4
2. Généralités sur e-learning et ontologies..............................................................4
2.1. E-learning ........................................................................................................4
2.1.1. Définition du E-learning ...........................................................................4
2.1.2. Caractéristiques du e-learning...................................................................6
2.1.3. Profils dans les systèmes e-learning .........................................................6
2.1.4. Types d’interaction en e-learning .............................................................7
2.1.5. Plateforme e-learning................................................................................7
2.1.6. Ressources pédagogiques..........................................................................7
2.2. Environnement d’apprentissage ......................................................................8
2.3. Web sémantique ..............................................................................................8
2.3.1. Architecture du web sémantique...............................................................8
2.3.2. Langages du Web sémantique ................................................................10
2.3.3. Impact du Web sémantique sur e-learning..............................................10
2.4. Les ontologies................................................................................................11
2.4.1. Définition ................................................................................................11
2.4.2. Composants d’une ontologie...................................................................12
2.4.3. Dimensions de classification des ontologies...........................................13
2.4.3.1. Typologie selon l’objet de conceptualisation...................................13
2.4.3.2. Typologie selon le niveau de détail..................................................13
2.4.3.3. Typologie selon le niveau de formalisme ........................................14
2.4.4. Utilisation d’ontologies...........................................................................14
2.4.5. Méthodologies de construction d’une ontologie.....................................14
2.4.5.1. Méthode d’Uschold et King .............................................................15
2.4.5.2. Méthode de TOVE ...........................................................................15
2.4.5.3. Méthode METHONTOLOGY .........................................................15
2.4.6. Environnements et outils de modélisation ..............................................16
2.4.7. Les ontologies et le e-learning ................................................................17
3. Quelques travaux de conception des environnements d’apprentissage utilisant
les ontologies............................................................................................................18
4. Conclusion ........................................................................................................19
Chapitre 2 : Conception ............................................................................................20
1. Introduction.......................................................................................................21
2. Spécification informelle des besoins ................................................................21
3. Conception de l’ontologie.................................................................................21
3.1. Processus de développement de l’ontologie..............................................22
3.1.1. Spécification.......................................................................................22
3.1.2. Conceptualisation....................................................................................22
3.1.2.1. Construction du glossaire de termes.................................................22
3.1.2.2. Classification des termes en hiérarchie de concepts ........................24
3.1.2.3. Construction du diagramme de relations binaires............................25
3.1.2.4. Construction d’un dictionnaire de concepts.....................................26
3.1.2.5. Construction de la table des relations binaires.................................26
3.1.2.6. Construction de la table des attributs ...............................................27
3.1.2.7. Construction de la table des axiomes...............................................28
3.1.2. Formalisation......................................................................................29
3.1.3. Implémentation...................................................................................30
4. Conception de notre environnement d’apprentissage .......................................30
4.1. Les diagrammes des cas d’utilisation ........................................................31
5. Conclusion ........................................................................................................33
Chapitre 3 : Implémentation.....................................................................................34
1. Introduction.......................................................................................................35
2. Les outils et les technologies utilisés................................................................35
2.1. L’éditeur Protégé .......................................................................................35
2.2. L’IDE Eclipse ............................................................................................35
2.3. Le serveur Tomcat.....................................................................................35
2.4. Java EE ......................................................................................................35
2.5. Java Sever Pages « JSP »...........................................................................36
2.6. Le Framework Jena ...................................................................................36
2.7. SPARQL....................................................................................................36
3. Implémentation de l’ontologie..........................................................................36
3.1. Edition de l’ontologie ................................................................................37
3.1.1. Création des concepts.........................................................................38
3.1.2. Création des relations.........................................................................39
3.1.3. Création des attributs..........................................................................40
3.1.4. Vérification de l’ontologie .................................................................41
3.1.5. Génération du code OWL ..................................................................42
4. L’environnement d’intégration de l’ontologie..................................................42
4.1. Scénarios d’utilisation de l’environnement ...............................................42
4.1.1. L’interface de connexion et d’inscription ..........................................42
4.1.2. Les interfaces proposées aux différents utilisateurs...........................43
4.1.2.1. L’interface de l’administrateur.......................................................43
4.1.2.2. L’interface de l’enseignant .............................................................44
4.1.2.3. L’interface de l’apprenant .............................................................45
5. Conclusion ........................................................................................................46
Conclusion générale ..................................................................................................47
Bibliographie ..............................................................................................................49Côte titre : MAI/0204 En ligne : https://drive.google.com/file/d/1f-sdm0TxFox_6x4tFM8lkeOdT-A-fzM9/view?usp=shari [...] Format de la ressource électronique : Conception d'un environnement d'apprentissage a base d'ontologies [texte imprimé] / Hamel, amina ; MEDIANI, Chahrazed, Directeur de thèse . - [S.l.] : Setif:UFA, 2017 . - 1 vol (51f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Ingénierie de Données
Technologies Web
e-learning
Web sémantique
ontologie
documents pédagogiques
OWLIndex. décimale : 004 Informatique Résumé : Résumé
De nos jours avec l’avènement de l’Internet, les nouvelles technologies de
l’information et de la communication « TIC » améliorent profondément nos façon
d’informer et de communiquer. Cette émergence technologique fait apparaître un
nouveau mode d’apprentissage connu sous le nom de e-learning.
Les systèmes d’e-learning visent à offrir un accès facile et permanent aux ressources
pédagogiques mises en ligne. Cet accès permet de développer les compétences des
apprenants, tout en rendant le processus d’apprentissage indépendant du temps et du
lieu.
L’objectif de ce travail est d’améliorer la qualité de ces nouvelles technologies par
l’utilisation du web sémantique qui apparaissent comme une technologie prometteuse
pour l’implémentation du e-learning et pour résoudre les problèmes d’accès et de
gestions des ressources pédagogiques disponible sur le web. Dans ce mémoire, nous
proposons une plate-forme pour un environnement d’apprentissage à distance basée sur
une ontologie de domaine dont le but est d’améliorer la qualité et l’efficacité de
l’apprentissage.Note de contenu : Table des matières
Introduction Générale .................................................................................................1
Chapitre 1 : Etat de l’art.............................................................................................3
1. Introduction.........................................................................................................4
2. Généralités sur e-learning et ontologies..............................................................4
2.1. E-learning ........................................................................................................4
2.1.1. Définition du E-learning ...........................................................................4
2.1.2. Caractéristiques du e-learning...................................................................6
2.1.3. Profils dans les systèmes e-learning .........................................................6
2.1.4. Types d’interaction en e-learning .............................................................7
2.1.5. Plateforme e-learning................................................................................7
2.1.6. Ressources pédagogiques..........................................................................7
2.2. Environnement d’apprentissage ......................................................................8
2.3. Web sémantique ..............................................................................................8
2.3.1. Architecture du web sémantique...............................................................8
2.3.2. Langages du Web sémantique ................................................................10
2.3.3. Impact du Web sémantique sur e-learning..............................................10
2.4. Les ontologies................................................................................................11
2.4.1. Définition ................................................................................................11
2.4.2. Composants d’une ontologie...................................................................12
2.4.3. Dimensions de classification des ontologies...........................................13
2.4.3.1. Typologie selon l’objet de conceptualisation...................................13
2.4.3.2. Typologie selon le niveau de détail..................................................13
2.4.3.3. Typologie selon le niveau de formalisme ........................................14
2.4.4. Utilisation d’ontologies...........................................................................14
2.4.5. Méthodologies de construction d’une ontologie.....................................14
2.4.5.1. Méthode d’Uschold et King .............................................................15
2.4.5.2. Méthode de TOVE ...........................................................................15
2.4.5.3. Méthode METHONTOLOGY .........................................................15
2.4.6. Environnements et outils de modélisation ..............................................16
2.4.7. Les ontologies et le e-learning ................................................................17
3. Quelques travaux de conception des environnements d’apprentissage utilisant
les ontologies............................................................................................................18
4. Conclusion ........................................................................................................19
Chapitre 2 : Conception ............................................................................................20
1. Introduction.......................................................................................................21
2. Spécification informelle des besoins ................................................................21
3. Conception de l’ontologie.................................................................................21
3.1. Processus de développement de l’ontologie..............................................22
3.1.1. Spécification.......................................................................................22
3.1.2. Conceptualisation....................................................................................22
3.1.2.1. Construction du glossaire de termes.................................................22
3.1.2.2. Classification des termes en hiérarchie de concepts ........................24
3.1.2.3. Construction du diagramme de relations binaires............................25
3.1.2.4. Construction d’un dictionnaire de concepts.....................................26
3.1.2.5. Construction de la table des relations binaires.................................26
3.1.2.6. Construction de la table des attributs ...............................................27
3.1.2.7. Construction de la table des axiomes...............................................28
3.1.2. Formalisation......................................................................................29
3.1.3. Implémentation...................................................................................30
4. Conception de notre environnement d’apprentissage .......................................30
4.1. Les diagrammes des cas d’utilisation ........................................................31
5. Conclusion ........................................................................................................33
Chapitre 3 : Implémentation.....................................................................................34
1. Introduction.......................................................................................................35
2. Les outils et les technologies utilisés................................................................35
2.1. L’éditeur Protégé .......................................................................................35
2.2. L’IDE Eclipse ............................................................................................35
2.3. Le serveur Tomcat.....................................................................................35
2.4. Java EE ......................................................................................................35
2.5. Java Sever Pages « JSP »...........................................................................36
2.6. Le Framework Jena ...................................................................................36
2.7. SPARQL....................................................................................................36
3. Implémentation de l’ontologie..........................................................................36
3.1. Edition de l’ontologie ................................................................................37
3.1.1. Création des concepts.........................................................................38
3.1.2. Création des relations.........................................................................39
3.1.3. Création des attributs..........................................................................40
3.1.4. Vérification de l’ontologie .................................................................41
3.1.5. Génération du code OWL ..................................................................42
4. L’environnement d’intégration de l’ontologie..................................................42
4.1. Scénarios d’utilisation de l’environnement ...............................................42
4.1.1. L’interface de connexion et d’inscription ..........................................42
4.1.2. Les interfaces proposées aux différents utilisateurs...........................43
4.1.2.1. L’interface de l’administrateur.......................................................43
4.1.2.2. L’interface de l’enseignant .............................................................44
4.1.2.3. L’interface de l’apprenant .............................................................45
5. Conclusion ........................................................................................................46
Conclusion générale ..................................................................................................47
Bibliographie ..............................................................................................................49Côte titre : MAI/0204 En ligne : https://drive.google.com/file/d/1f-sdm0TxFox_6x4tFM8lkeOdT-A-fzM9/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0204 MAI/0204 Mémoire Bibliothéque des sciences Français Disponible
DisponibleConception d’environnements selon le profil affectif des apparats / BOUCILAOUN,Insaf
Titre : Conception d’environnements selon le profil affectif des apparats Type de document : texte imprimé Auteurs : BOUCILAOUN,Insaf ; HARBOUCHE, Khadidja, Directeur de thèse Editeur : Setif:UFA Année de publication : 2016 Importance : 1 vol (46f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Génie Logiciel
apprentissage collaboratif
modele de l'apprenant
EIAH
acte de langageIndex. décimale : 004 Informatique Côte titre : MAI/0100 Conception d’environnements selon le profil affectif des apparats [texte imprimé] / BOUCILAOUN,Insaf ; HARBOUCHE, Khadidja, Directeur de thèse . - [S.l.] : Setif:UFA, 2016 . - 1 vol (46f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Génie Logiciel
apprentissage collaboratif
modele de l'apprenant
EIAH
acte de langageIndex. décimale : 004 Informatique Côte titre : MAI/0100 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0100 MAI/0100 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Conception et implémentation d'une application de signatures électroniques Type de document : texte imprimé Auteurs : Maroua Bendechache, Auteur ; aya Kherra, Auteur ; samia Kharchi, Directeur de thèse Editeur : Sétif:UFA1 Année de publication : 2023 Importance : 1 vol (44 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Signature RSA
Signature DSAIndex. décimale : 004 Informatique Résumé : La signature électronique est un mécanisme utilisé pour garantir l'authenticité, l'intégrité et la nonrépudiation
des documents électroniques ou d'un message. Ces mécanismes jouent un rôle essentiel dans la
confiance et la sécurité des échanges électroniques. Pour mettre en oeuvre la signature électronique,
différents algorithmes sont utilisés, tels que RSA, DSA et ElGamal.
L’algorithme RSA(Rivest-Shamir-Adleman) peut être utilisé pour le chiffrement des données comme pour
la signature, tandis que DSA(Digital Signature Algorithme) et ElGamal sont utilisés uniquement pour la
signature électronique.
L'objectif du chiffrement est de sécuriser les données sensibles en les rendant illisibles par des personnes
non autorisées, tandis que la signature électronique assure l'intégrité des données et la non-répudiation et
d'authenticité. Ces deux techniques sont essentielles pour sécuriser les communications et les transactions
électroniques, en assurant une protection complète des données sensibles,pour cela, nous avons combiné le
chiffrement et la signature électronique pour assurer la confidentialité des données et l'intégrité,la nonrépudiation
et l'authenticité des messages électronique à la fois.
Dans notre proposition, nous vous présentons deux solutions de sécurité et de confidentialité pour les
communications électroniques : MAYA1 (RSA_DSA) et MAYA2 (RSA_ElGamal). Ces deux solutions
combinent les algorithmes de chiffrement et de signature. L’algorithme RSA est utilisé pour chiffrer les
données, assurant ainsi la confidentialité des informations. DSA ou ElGamal est utilisé pour la signature, ce
qui garantit l'authenticité, l'intégrité et la non-répudiation de l'émetteur.
Après analyse des deux solutions, nous avons décidé que la solution Maya2 est meilleure que la solution
Maya1 en termes de temps de vérification. Une durée de vérification plus longue garantit une meilleure
sécurité des données.Côte titre : MAI/0728 En ligne : https://drive.google.com/file/d/1aZWYjtaqnkhN_Uoac1QxbIB95ZSgFVsn/view?usp=drive [...] Format de la ressource électronique : Conception et implémentation d'une application de signatures électroniques [texte imprimé] / Maroua Bendechache, Auteur ; aya Kherra, Auteur ; samia Kharchi, Directeur de thèse . - [S.l.] : Sétif:UFA1, 2023 . - 1 vol (44 f .) ; 29cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Signature RSA
Signature DSAIndex. décimale : 004 Informatique Résumé : La signature électronique est un mécanisme utilisé pour garantir l'authenticité, l'intégrité et la nonrépudiation
des documents électroniques ou d'un message. Ces mécanismes jouent un rôle essentiel dans la
confiance et la sécurité des échanges électroniques. Pour mettre en oeuvre la signature électronique,
différents algorithmes sont utilisés, tels que RSA, DSA et ElGamal.
L’algorithme RSA(Rivest-Shamir-Adleman) peut être utilisé pour le chiffrement des données comme pour
la signature, tandis que DSA(Digital Signature Algorithme) et ElGamal sont utilisés uniquement pour la
signature électronique.
L'objectif du chiffrement est de sécuriser les données sensibles en les rendant illisibles par des personnes
non autorisées, tandis que la signature électronique assure l'intégrité des données et la non-répudiation et
d'authenticité. Ces deux techniques sont essentielles pour sécuriser les communications et les transactions
électroniques, en assurant une protection complète des données sensibles,pour cela, nous avons combiné le
chiffrement et la signature électronique pour assurer la confidentialité des données et l'intégrité,la nonrépudiation
et l'authenticité des messages électronique à la fois.
Dans notre proposition, nous vous présentons deux solutions de sécurité et de confidentialité pour les
communications électroniques : MAYA1 (RSA_DSA) et MAYA2 (RSA_ElGamal). Ces deux solutions
combinent les algorithmes de chiffrement et de signature. L’algorithme RSA est utilisé pour chiffrer les
données, assurant ainsi la confidentialité des informations. DSA ou ElGamal est utilisé pour la signature, ce
qui garantit l'authenticité, l'intégrité et la non-répudiation de l'émetteur.
Après analyse des deux solutions, nous avons décidé que la solution Maya2 est meilleure que la solution
Maya1 en termes de temps de vérification. Une durée de vérification plus longue garantit une meilleure
sécurité des données.Côte titre : MAI/0728 En ligne : https://drive.google.com/file/d/1aZWYjtaqnkhN_Uoac1QxbIB95ZSgFVsn/view?usp=drive [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0728 MAI/0728 Mémoire Bibliothéque des sciences Français Disponible
DisponibleConception et Implémentation d’Architectures Modulaires et Hiérarchiques en Reconnaissance Biométrique / Regouid,Meryem
PermalinkConception et implémentation d'un classifieur SVM pour la reconnaissance de visage humain / Louaim,Maroua
PermalinkConception et implémentation d'un simulateur pour les réseaux de capteurs sans fil / Khalfi,hanane
PermalinkConception d’un outil d’aide à l’indexation sémantique des ressources pédagogiques / CHETTOUH, Sarah
PermalinkPermalinkConception et réalisation d'une application multi-plateforme pour la gestion numérique de l'Ecole (e-school) / Khadidja Barkat
PermalinkPermalinkPermalinkConception et Réalisation d'un site WebTV pour la Fédération des Associations des parents d'élèves de la wilaya de Sétif / Tebani, Slimane Houssam Eddine
PermalinkConception et Réalisation d’un système de Réalité Augmentée appliquée aux opérations sur les systèmes Industriels / Kenzi Bey
Permalink