University Sétif 1 FERHAT ABBAS Faculty of Sciences
Catégories
Ajouter le résultat dans votre panier Affiner la recherche
Titre : Expression des besoins pour le SI : Guide d'élaboration du cahier des charges Type de document : texte imprimé Auteurs : Yves Constantinidis, Auteur Mention d'édition : 2e éd. [revue et augmentée] Editeur : Paris : Eyrolles Année de publication : 2012 Collection : Solutions d'entreprise, ISSN 1622-5902 Importance : 1 vol. (293 p.) Présentation : graph., couv. ill. Format : 23 cm ISBN/ISSN/EAN : 978-2-212-13653-1 Note générale : Bibliogr. p. 283. Webliogr. p. 285. Glossaire. Index Langues : Français (fre) Catégories : Informatique Mots-clés : Systèmes, Conception de
Analyse des besoins
Gestion de projets
Ingénierie des systèmes
Entreprises : Systèmes d'information : PlanificationIndex. décimale : 005.1 Programmation Résumé :
Comment recueillir tous les besoins des acteurs du système d'information, et rien que leurs besoins réels ? Comment se mettre d'accord sur la spécification des exigences ? Comment aboutir à un cahier des charges clair, complet et consensuel ? Phase cruciale dans le choix, le développement ou la mise en oeuvre d'une solution d'entreprise, la définition des besoins conditionnera en effet la réussite du projet, notamment son coût et sa qualité. Mais cette phase est complexe et délicate, en raison du nombre et de la diversité des parties prenantes, des demandes souvent divergentes, des contraintes variées et, last but not least, du facteur humain.Véritable guide de terrain, nourri par la grande expérience de son auteur, cet ouvrage présente une démarche et des techniques éprouvées pour recueillir et formaliser les vrais besoins, afin d'élaborer un cahier des charges d'une qualité irréprochable, dans des délais raisonnables et au moindre coût. À partir d'un exemple permettant de mieux saisir les enjeux, la première partie expose les prérequis, puis décrit le processus et les activités préparatoires indispensables : définition des objectifs et du périmètre, analyse des parties prenantes, planification de l'élaboration. La deuxième partie détaille les quatre grandes étapes de cette méthode (recueil, analyse, spécification et validation), avec à la clé des modèles de documents, des grilles et des check-lists. Enfin, la troisième partie porte sur les techniques et les outils de gestion des exigences, et s'achève par des conseils pour s'améliorer encore.Note de contenu :
Sommaire
Préface de Michel Volle
Méthodologie
La méthode en action
Les enjeux d'une bonne définition des besoins
Compétences et savoir-faire
Exigences et cycle de vie du logiciel
La démarche
Définir le concept et les objectifs
Planifier le projet d'élaboration
Développement des exigences
L'étape de recueil
Les cas d'utilisation
L'étape d'analyse
Les exigences non fonctionnelles
Les contraintes
L'étape de spécification
Structure du cahier des charges
L'étape de validation
L'atelier de travail
Améliorer le processus
Stratégies et tactiques
Faire vivre les exigences
La gestion des exigences
Les outils
Au-delà des exigences
Neuf conseilsCôte titre : Fs/16171-16175 En ligne : https://www.amazon.fr/Expression-besoins-pour-SI-d%C3%A9laboration/dp/2212136536 [...] Format de la ressource électronique : Expression des besoins pour le SI : Guide d'élaboration du cahier des charges [texte imprimé] / Yves Constantinidis, Auteur . - 2e éd. [revue et augmentée] . - Paris : Eyrolles, 2012 . - 1 vol. (293 p.) : graph., couv. ill. ; 23 cm. - (Solutions d'entreprise, ISSN 1622-5902) .
ISBN : 978-2-212-13653-1
Bibliogr. p. 283. Webliogr. p. 285. Glossaire. Index
Langues : Français (fre)
Catégories : Informatique Mots-clés : Systèmes, Conception de
Analyse des besoins
Gestion de projets
Ingénierie des systèmes
Entreprises : Systèmes d'information : PlanificationIndex. décimale : 005.1 Programmation Résumé :
Comment recueillir tous les besoins des acteurs du système d'information, et rien que leurs besoins réels ? Comment se mettre d'accord sur la spécification des exigences ? Comment aboutir à un cahier des charges clair, complet et consensuel ? Phase cruciale dans le choix, le développement ou la mise en oeuvre d'une solution d'entreprise, la définition des besoins conditionnera en effet la réussite du projet, notamment son coût et sa qualité. Mais cette phase est complexe et délicate, en raison du nombre et de la diversité des parties prenantes, des demandes souvent divergentes, des contraintes variées et, last but not least, du facteur humain.Véritable guide de terrain, nourri par la grande expérience de son auteur, cet ouvrage présente une démarche et des techniques éprouvées pour recueillir et formaliser les vrais besoins, afin d'élaborer un cahier des charges d'une qualité irréprochable, dans des délais raisonnables et au moindre coût. À partir d'un exemple permettant de mieux saisir les enjeux, la première partie expose les prérequis, puis décrit le processus et les activités préparatoires indispensables : définition des objectifs et du périmètre, analyse des parties prenantes, planification de l'élaboration. La deuxième partie détaille les quatre grandes étapes de cette méthode (recueil, analyse, spécification et validation), avec à la clé des modèles de documents, des grilles et des check-lists. Enfin, la troisième partie porte sur les techniques et les outils de gestion des exigences, et s'achève par des conseils pour s'améliorer encore.Note de contenu :
Sommaire
Préface de Michel Volle
Méthodologie
La méthode en action
Les enjeux d'une bonne définition des besoins
Compétences et savoir-faire
Exigences et cycle de vie du logiciel
La démarche
Définir le concept et les objectifs
Planifier le projet d'élaboration
Développement des exigences
L'étape de recueil
Les cas d'utilisation
L'étape d'analyse
Les exigences non fonctionnelles
Les contraintes
L'étape de spécification
Structure du cahier des charges
L'étape de validation
L'atelier de travail
Améliorer le processus
Stratégies et tactiques
Faire vivre les exigences
La gestion des exigences
Les outils
Au-delà des exigences
Neuf conseilsCôte titre : Fs/16171-16175 En ligne : https://www.amazon.fr/Expression-besoins-pour-SI-d%C3%A9laboration/dp/2212136536 [...] Format de la ressource électronique : Exemplaires (5)
Code-barres Cote Support Localisation Section Disponibilité Fs/16171 Fs/16171-16175 livre Bibliothéque des sciences Français Disponible
DisponibleFs/16172 Fs/16171-16175 livre Bibliothéque des sciences Français Disponible
DisponibleFs/16173 Fs/16171-16175 livre Bibliothéque des sciences Français Disponible
DisponibleFs/16174 Fs/16171-16175 livre Bibliothéque des sciences Français Disponible
DisponibleFs/16175 Fs/16171-16175 livre Bibliothéque des sciences Français Disponible
DisponibleExpressions réguliéres / Martial Bornet
Titre : Expressions réguliéres : Syntaxe et mise en oeuvre ; avec exercices et corrig©s Type de document : texte imprimé Auteurs : Martial Bornet, Editeur : St Herblain : ditions ENI Année de publication : 2015. Collection : Ressources informatiques (Nantes), ISSN 1627-8224. Importance : 1 vol. (465 p.) Présentation : couv. ill. Format : 21 cm. ISBN/ISSN/EAN : 978-2-7460-9712-4 Prix : 29,90 EUR Note générale : 978-2-7460-9712-4 Langues : Français (fre) Catégories : Informatique Mots-clés : Informatique:Langages de programmation Index. décimale : 005.13 Langages de programmation (codage des programmes, éditeurs de texte conçus spécialement pour le codage des programmes, générateurs d'application ; langages déclaratifs, non procéduraux) Résumé :
Ce livre s'adresse à tout informaticien (étudiant, développeur, ingénieur système, ...) désirant comprendre et maîtriser les expressions régulières.
Il commence par un bref rappel de l'origine mathématique des expressions régulières, puis détaille leurs différents types, depuis les expressions de sélection du shell jusqu'aux expressions régulières étendues interprétées par différents langages tels Perl ou Python.
L'auteur a choisi une approche résolument pratique et les chapitres suivants présentent les expressions régulières dans le contexte des différentes commandes qui ont contribué au succès d'Unix et Linux (shells, find, ed, sed, ex, vi, vim, bvi, grep, egrep, expr, awk, du, lex), puis dans celui des fonctions d'évaluation (glob(), regcomp(), regexec()) et de différents langages (Perl, Python, Javascript).
De nombreux exemples ainsi que des exercices, corrigés de façon détaillée, montrent de façon pédagogique et progressive comment produire des expressions régulières fiables et compréhensibles.
La dernière partie propose des synthèses relatives aux différents types d'expressions et à leurs méta-caractères, liste les principaux outils les utilisant, les classes de caractères POSIX, ainsi que des outils de contrôle et des méthodes de validation, parfois visuelles, des expressions régulières.
Les explications détaillées permettent une compréhension fine de la signification des méta-caractères et des expressions qui les emploient, permettant au lecteur de créer ses propres expressions régulières et de comprendre celles écrites par d'autres personnes.
D'autre part, des conseils d'écriture aident à transmettre les expressions régulières aux outils auxquels elles sont destinées sans risque de modifications indésirables, et ainsi à éviter des erreurs classiques mais néanmoins fréquentes et parfois difficiles à localiser.
Des éléments complémentaires sont en téléchargement sur le site www.editions-eni.fr.Note de contenu :
Sommaire
Introduction
Les interpréteurs de commandes, ou shell
find, la commande de recherche de fichiers
ed, l'éditeur ligne
sed, l'éditeur de flux (stream editor)
ex, l'éditeur ligne de vi
vi, le premier éditeur plein écran
vim, l'éditeur vi amélioré (Vi IMproved)
bvi, l'éditeur binaire/hexadécimal plein écran
grep, la commande de recherche de lignes
expr, la commande d'évaluation d'expressions
awk, la commande de traitement de fichiers
du, l'affichage de l'usage des disques
lex, le générateur d'analyseurs lexicaux
glob(), la fonction de sélection de pathnames
rescomp(), regexec(), la gestion des ER
hl, une commande de colorisation
Les expressions régulières en Python
Les expressions régulières en Perl
Les expressions régulières en JavaScript
Synthèse des types d'expression
Les classes de caractères POSIX
Équivalences d'expressions régulières
Outils de validation d'expressions régulières
Quelques exercices récapitulatifs
Annexes
Côte titre : Fs/22922 Expressions réguliéres : Syntaxe et mise en oeuvre ; avec exercices et corrig©s [texte imprimé] / Martial Bornet, . - St Herblain : ditions ENI, 2015. . - 1 vol. (465 p.) : couv. ill. ; 21 cm.. - (Ressources informatiques (Nantes), ISSN 1627-8224.) .
ISBN : 978-2-7460-9712-4 : 29,90 EUR
978-2-7460-9712-4
Langues : Français (fre)
Catégories : Informatique Mots-clés : Informatique:Langages de programmation Index. décimale : 005.13 Langages de programmation (codage des programmes, éditeurs de texte conçus spécialement pour le codage des programmes, générateurs d'application ; langages déclaratifs, non procéduraux) Résumé :
Ce livre s'adresse à tout informaticien (étudiant, développeur, ingénieur système, ...) désirant comprendre et maîtriser les expressions régulières.
Il commence par un bref rappel de l'origine mathématique des expressions régulières, puis détaille leurs différents types, depuis les expressions de sélection du shell jusqu'aux expressions régulières étendues interprétées par différents langages tels Perl ou Python.
L'auteur a choisi une approche résolument pratique et les chapitres suivants présentent les expressions régulières dans le contexte des différentes commandes qui ont contribué au succès d'Unix et Linux (shells, find, ed, sed, ex, vi, vim, bvi, grep, egrep, expr, awk, du, lex), puis dans celui des fonctions d'évaluation (glob(), regcomp(), regexec()) et de différents langages (Perl, Python, Javascript).
De nombreux exemples ainsi que des exercices, corrigés de façon détaillée, montrent de façon pédagogique et progressive comment produire des expressions régulières fiables et compréhensibles.
La dernière partie propose des synthèses relatives aux différents types d'expressions et à leurs méta-caractères, liste les principaux outils les utilisant, les classes de caractères POSIX, ainsi que des outils de contrôle et des méthodes de validation, parfois visuelles, des expressions régulières.
Les explications détaillées permettent une compréhension fine de la signification des méta-caractères et des expressions qui les emploient, permettant au lecteur de créer ses propres expressions régulières et de comprendre celles écrites par d'autres personnes.
D'autre part, des conseils d'écriture aident à transmettre les expressions régulières aux outils auxquels elles sont destinées sans risque de modifications indésirables, et ainsi à éviter des erreurs classiques mais néanmoins fréquentes et parfois difficiles à localiser.
Des éléments complémentaires sont en téléchargement sur le site www.editions-eni.fr.Note de contenu :
Sommaire
Introduction
Les interpréteurs de commandes, ou shell
find, la commande de recherche de fichiers
ed, l'éditeur ligne
sed, l'éditeur de flux (stream editor)
ex, l'éditeur ligne de vi
vi, le premier éditeur plein écran
vim, l'éditeur vi amélioré (Vi IMproved)
bvi, l'éditeur binaire/hexadécimal plein écran
grep, la commande de recherche de lignes
expr, la commande d'évaluation d'expressions
awk, la commande de traitement de fichiers
du, l'affichage de l'usage des disques
lex, le générateur d'analyseurs lexicaux
glob(), la fonction de sélection de pathnames
rescomp(), regexec(), la gestion des ER
hl, une commande de colorisation
Les expressions régulières en Python
Les expressions régulières en Perl
Les expressions régulières en JavaScript
Synthèse des types d'expression
Les classes de caractères POSIX
Équivalences d'expressions régulières
Outils de validation d'expressions régulières
Quelques exercices récapitulatifs
Annexes
Côte titre : Fs/22922 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité Fs/22922 Fs/22922 livre Bibliothéque des sciences Français Disponible
DisponibleLes extension au cobol A.N.S / bonnin Cristian
Titre : Les extension au cobol A.N.S : Avec exercices et corrigé Type de document : texte imprimé Auteurs : bonnin Cristian, Auteur Editeur : Eyoolles: parise Année de publication : 1983 Collection : Pratique de l'informatique Importance : 1 vol (203 p .) Format : 24cm Langues : Français (fre) Catégories : Informatique Mots-clés : Informatique: exercices et corrigé Côte titre : Fs/8481 Les extension au cobol A.N.S : Avec exercices et corrigé [texte imprimé] / bonnin Cristian, Auteur . - [S.l.] : Eyoolles: parise, 1983 . - 1 vol (203 p .) ; 24cm. - (Pratique de l'informatique) .
Langues : Français (fre)
Catégories : Informatique Mots-clés : Informatique: exercices et corrigé Côte titre : Fs/8481 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité Fs/8481 Fs/8481 livre Bibliothéque des sciences Français Disponible
Disponible
Titre : Extraction de connaissances par inférence : Application au diagnostic médical Type de document : texte imprimé Auteurs : BOURICHE, Imane ; A Moussaoui, Directeur de thèse Editeur : Setif:UFA Année de publication : 2015 Importance : 1 vol (59f.) Format : 29 cm Langues : Français (fre) Catégories : Informatique
Thèses & Mémoires:InformatiqueMots-clés : IRM, Data Mining, Extraction de connaissance, Segmentation, Modèle d’inférence. Index. décimale : 004 Informatique Résumé : Résumé De nos jours, l’imagerie médicale est en constant évolution, offre un nombre croissant des données. L’un des étapes essentielles dans les sujets de recherche en traitement d’image est la segmentation, pour l'analyse qualitative et quantitative des images acquises, l’extraction des informations utiles, et facilite l’interprétation des particularités difficiles à connaître à l’oeil nu dans des nombreuses pathologies cérébrales.
Le diagnostic médical représente une tâche difficile à réaliser pour le médecin, il repose sur sa propre expérience, sa capacité de raisonnement … Quelle est, par exemple, la probabilité qu’un patient soit atteint de telle ou telle maladie, sachant que certains symptômes ont été observés, mais que d’autres informations ne sont pas connues ? Quelle est la configuration des variables représentant l’état de chacun des composants d’un système, sachant que tel ou tel comportement a été remarqué ? Alors que les informations utilisées sont potentiellement entachées d’incertitude et ambiguës dans la représentation de l’information.
Cette difficulté a conduit à la conception et développement d’un système d’aide au diagnostic. Donc l’objectif consiste à appliquer une méthode d’inférence floue pour la segmentation d'IRM et la détection de lésions atteintes. Afin de facilite l’interprétation des images, fournir des informations détaillés sur les zones d’intérêt et les aspects pathologiques des structures présentes. Cet outil sera toujours fiable, plus rapide et minutieux à la détection des pathologies telles que la sclérose en plaques (SEP).
Note de contenu : Table Des Matières
Introduction générale ........................................................................................................................ 1
Chapitre1 : Introduction à l’apprentissage automatique
1. Introduction ............................................................................................................................... 3
2. Principes de l’apprentissage automatique ................................................................................. 3
3. Les types d’apprentissage automatique .................................................................................... 3
3.1. L’apprentissage supervisé .................................................................................................. 4
3.1.1. Les méthodes ............................................................................................................. 4
3.1.1.1. Les réseaux de neurones .................................................................................... 4
3.1.1.2. Les arbres de décision ........................................................................................ 6
3.1.1.3. Les plus proches voisins ..................................................................................... 8
3.2. l’apprentissage non-supervisé ........................................................................................... 9
3.2.1. Les méthodes ........................................................................................................... 10
3.2.1.1. Segmentation (Clustering) ................................................................................ 10
3.2.1.2. Règles d’association ......................................................................................... 11
3.3. Apprentissage semi-supervisé ......................................................................................... 12
3.4. Apprentissage par renforcement ..................................................................................... 12
4. Conclusion ............................................................................................................................... 13
Chapitre2: L'extraction des connaissances à partir de données (ECD)
1. Introduction ............................................................................................................................. 14
2. Généralité ................................................................................................................................ 14
3. Donnée, information et connaissance ..................................................................................... 15
3.1. Donnée ............................................................................................................................. 15
3.2. Information ...................................................................................................................... 16
3.3. Connaissance .................................................................................................................... 16
4. Définition d’ECD ....................................................................................................................... 16
5. Le processus d’ECD ................................................................................................................... 17
5.1. Caractéristique de processus ECD .................................................................................... 17
5.2. Les étapes de processus ECD ........................................................................................... 18
6. Fouille de données (data mining en anglais) ........................................................................... 21
6.1. Définition .......................................................................................................................... 21
6.2. Succès de la fouille de données ....................................................................................... 21
6.3. Les taches du Data Mining ............................................................................................... 22
6.3.1. La classification ......................................................................................................... 22
6.3.2. L’estimation .............................................................................................................. 22
6.3.3. La prédiction ............................................................................................................. 23
6.3.4. Le groupement par similitude .................................................................................. 23
6.3.5. L’analyse des clusters ............................................................................................... 23
6.3.6. La description ........................................................................................................... 24
6.4. Les méthodes de Data Mining .......................................................................................... 24
6.4.1. Les méthodes classiques .......................................................................................... 24
6.4.2. Les méthodes sophistiquées .................................................................................... 24
6.5. Domaines d’application du Data Mining .......................................................................... 24
7. Conclusion ............................................................................................................................... 25
Chapitre3: La Problématique de la segmentation des images médicales
1. Introduction ............................................................................................................................. 26
2. Définition d’imagerie médicale ................................................................................................ 26
3. Le but de l’imagerie médicale .................................................................................................. 26
4. Qu’est-ce que la segmentation? .............................................................................................. 27
5. Segmentation d’IRM Cérébrale ................................................................................................ 28
5.1. La segmentation automatique des IRM cérébrales ......................................................... 28
6. Objectif de segmentation d’image ........................................................................................... 29
7. Les différentes méthodes de segmentation ............................................................................ 30
7.1. Méthodes basées sur les mesures de Similarités (Approches Région) ............................ 30
7.1.1. Seuillages .................................................................................................................. 30
7.1.2. Croissance de régions ............................................................................................... 30
7.1.3. Division-fusion de régions ........................................................................................ 31
7.1.3.1. Phase de Split (Division) ................................................................................... 32
7.1.3.2. Phase de Merge (fusion) .................................................................................. 32
7.2. Approches contours (frontières) ...................................................................................... 33
7.3. Approche fouille de données (segmentation par classification) ...................................... 33
7.3.1. Méthodes de classification supervisées ................................................................... 34
7.3.2. Méthodes de classification non supervisées ............................................................ 34 8. Difficultés liées à la segmentation des images cérébrales [Meziane 2011]............................. 34
9. Conclusion ............................................................................................................................... 34
Chapitre4: Les Modèles D'inférence
1. Introduction ............................................................................................................................. 35
2. L’inférence ............................................................................................................................... 35
2.1. L’inférence exacte ............................................................................................................ 35
2.2. L’inférence approximative ............................................................................................... 36
3. Logique classique et logique floue ........................................................................................... 36
4. La logique floue ........................................................................................................................ 36
4.1. La théorie des ensembles flous ........................................................................................ 37
4.1.1. Notion d’appartenance partielle .............................................................................. 37
4.1.2. Fonctions d’appartenance ........................................................................................ 37
4.2. Inférence floue ................................................................................................................. 39
4.3. Règles d’inférence ............................................................................................................ 39
4.3.1. Opérateurs ............................................................................................................... 40
4.4. Système d'inférence floue ................................................................................................ 40
4.4.1. La Fuzzification ......................................................................................................... 40
4.4.2. Base de connaissances ............................................................................................. 41
4.4.2.1. La base de données .......................................................................................... 41
4.4.2.2. La base des règles floues .................................................................................. 41
4.4.3. Le mécanisme d’inférence floue .............................................................................. 42
4.4.3.1. Méthode d’inférence MAX-MIN (Mamdani) .................................................... 42
4.4.3.2. Méthode d'inférence MAX-PROD (Larsen) ...................................................... 44
4.4.3.3. Méthode d'inférence SOMME-PROD (Sugeno) ................................................ 44
4.4.4. Défuzzification .......................................................................................................... 45
5. Réseau bayésien et inférence .................................................................................................. 45
5.1. Réseau bayésien ............................................................................................................... 45
5.2. Réseaux Bayésiens et Diagnostic Médical ........................................................................ 46
5.3. Inférence bayésienne ....................................................................................................... 46
6. Inférence Markovienne ............................................................................................................ 47
7. Travaux connexes (Etat de l’art) : ............................................................................................. 47
8. Conclusion ............................................................................................................................... 49
Chapitre5: Conception et Réalisation
1. Introduction ............................................................................................................................. 50
2. Environnement de développement de système ...................................................................... 50
2.1. Environnement matériel .................................................................................................. 50
2.2. Environnement logiciel..................................................................................................... 50
3. Images utilisées ........................................................................................................................ 51
4. Description générale de système ............................................................................................. 51
4.1. Description de fichier règles SEP .......................................................................................... 52
5. Méthodologie de la conception ............................................................................................... 53
6. Evaluation et étude comparative ............................................................................................. 53
5.1. Critères de validation ....................................................................................................... 55
6. Présentation de prototype ....................................................................................................... 56
6.1. Fonctionnement de l’application ..................................................................................... 56
6.1.1. Espace d’accueil ....................................................................................................... 56
6.1.2. Espace de traitement d’image ................................................................................. 56
6.1.3. Espace des règles de SEP .......................................................................................... 58
6.1.4. Espace de résultat graphique ................................................................................... 58
6.1.5. Espace de diagnostic ................................................................................................ 59
7. Analyse des résultats ................................................................................................................ 59
8. Conclusion ............................................................................................................................... 59
Conclusion générale ......................................................................................................................... 60Côte titre : MAI/0051 En ligne : https://drive.google.com/file/d/1T2SR5DlrWnbrDyhOa94E3GT_oenMNO_-/view?usp=shari [...] Format de la ressource électronique : Extraction de connaissances par inférence : Application au diagnostic médical [texte imprimé] / BOURICHE, Imane ; A Moussaoui, Directeur de thèse . - [S.l.] : Setif:UFA, 2015 . - 1 vol (59f.) ; 29 cm.
Langues : Français (fre)
Catégories : Informatique
Thèses & Mémoires:InformatiqueMots-clés : IRM, Data Mining, Extraction de connaissance, Segmentation, Modèle d’inférence. Index. décimale : 004 Informatique Résumé : Résumé De nos jours, l’imagerie médicale est en constant évolution, offre un nombre croissant des données. L’un des étapes essentielles dans les sujets de recherche en traitement d’image est la segmentation, pour l'analyse qualitative et quantitative des images acquises, l’extraction des informations utiles, et facilite l’interprétation des particularités difficiles à connaître à l’oeil nu dans des nombreuses pathologies cérébrales.
Le diagnostic médical représente une tâche difficile à réaliser pour le médecin, il repose sur sa propre expérience, sa capacité de raisonnement … Quelle est, par exemple, la probabilité qu’un patient soit atteint de telle ou telle maladie, sachant que certains symptômes ont été observés, mais que d’autres informations ne sont pas connues ? Quelle est la configuration des variables représentant l’état de chacun des composants d’un système, sachant que tel ou tel comportement a été remarqué ? Alors que les informations utilisées sont potentiellement entachées d’incertitude et ambiguës dans la représentation de l’information.
Cette difficulté a conduit à la conception et développement d’un système d’aide au diagnostic. Donc l’objectif consiste à appliquer une méthode d’inférence floue pour la segmentation d'IRM et la détection de lésions atteintes. Afin de facilite l’interprétation des images, fournir des informations détaillés sur les zones d’intérêt et les aspects pathologiques des structures présentes. Cet outil sera toujours fiable, plus rapide et minutieux à la détection des pathologies telles que la sclérose en plaques (SEP).
Note de contenu : Table Des Matières
Introduction générale ........................................................................................................................ 1
Chapitre1 : Introduction à l’apprentissage automatique
1. Introduction ............................................................................................................................... 3
2. Principes de l’apprentissage automatique ................................................................................. 3
3. Les types d’apprentissage automatique .................................................................................... 3
3.1. L’apprentissage supervisé .................................................................................................. 4
3.1.1. Les méthodes ............................................................................................................. 4
3.1.1.1. Les réseaux de neurones .................................................................................... 4
3.1.1.2. Les arbres de décision ........................................................................................ 6
3.1.1.3. Les plus proches voisins ..................................................................................... 8
3.2. l’apprentissage non-supervisé ........................................................................................... 9
3.2.1. Les méthodes ........................................................................................................... 10
3.2.1.1. Segmentation (Clustering) ................................................................................ 10
3.2.1.2. Règles d’association ......................................................................................... 11
3.3. Apprentissage semi-supervisé ......................................................................................... 12
3.4. Apprentissage par renforcement ..................................................................................... 12
4. Conclusion ............................................................................................................................... 13
Chapitre2: L'extraction des connaissances à partir de données (ECD)
1. Introduction ............................................................................................................................. 14
2. Généralité ................................................................................................................................ 14
3. Donnée, information et connaissance ..................................................................................... 15
3.1. Donnée ............................................................................................................................. 15
3.2. Information ...................................................................................................................... 16
3.3. Connaissance .................................................................................................................... 16
4. Définition d’ECD ....................................................................................................................... 16
5. Le processus d’ECD ................................................................................................................... 17
5.1. Caractéristique de processus ECD .................................................................................... 17
5.2. Les étapes de processus ECD ........................................................................................... 18
6. Fouille de données (data mining en anglais) ........................................................................... 21
6.1. Définition .......................................................................................................................... 21
6.2. Succès de la fouille de données ....................................................................................... 21
6.3. Les taches du Data Mining ............................................................................................... 22
6.3.1. La classification ......................................................................................................... 22
6.3.2. L’estimation .............................................................................................................. 22
6.3.3. La prédiction ............................................................................................................. 23
6.3.4. Le groupement par similitude .................................................................................. 23
6.3.5. L’analyse des clusters ............................................................................................... 23
6.3.6. La description ........................................................................................................... 24
6.4. Les méthodes de Data Mining .......................................................................................... 24
6.4.1. Les méthodes classiques .......................................................................................... 24
6.4.2. Les méthodes sophistiquées .................................................................................... 24
6.5. Domaines d’application du Data Mining .......................................................................... 24
7. Conclusion ............................................................................................................................... 25
Chapitre3: La Problématique de la segmentation des images médicales
1. Introduction ............................................................................................................................. 26
2. Définition d’imagerie médicale ................................................................................................ 26
3. Le but de l’imagerie médicale .................................................................................................. 26
4. Qu’est-ce que la segmentation? .............................................................................................. 27
5. Segmentation d’IRM Cérébrale ................................................................................................ 28
5.1. La segmentation automatique des IRM cérébrales ......................................................... 28
6. Objectif de segmentation d’image ........................................................................................... 29
7. Les différentes méthodes de segmentation ............................................................................ 30
7.1. Méthodes basées sur les mesures de Similarités (Approches Région) ............................ 30
7.1.1. Seuillages .................................................................................................................. 30
7.1.2. Croissance de régions ............................................................................................... 30
7.1.3. Division-fusion de régions ........................................................................................ 31
7.1.3.1. Phase de Split (Division) ................................................................................... 32
7.1.3.2. Phase de Merge (fusion) .................................................................................. 32
7.2. Approches contours (frontières) ...................................................................................... 33
7.3. Approche fouille de données (segmentation par classification) ...................................... 33
7.3.1. Méthodes de classification supervisées ................................................................... 34
7.3.2. Méthodes de classification non supervisées ............................................................ 34 8. Difficultés liées à la segmentation des images cérébrales [Meziane 2011]............................. 34
9. Conclusion ............................................................................................................................... 34
Chapitre4: Les Modèles D'inférence
1. Introduction ............................................................................................................................. 35
2. L’inférence ............................................................................................................................... 35
2.1. L’inférence exacte ............................................................................................................ 35
2.2. L’inférence approximative ............................................................................................... 36
3. Logique classique et logique floue ........................................................................................... 36
4. La logique floue ........................................................................................................................ 36
4.1. La théorie des ensembles flous ........................................................................................ 37
4.1.1. Notion d’appartenance partielle .............................................................................. 37
4.1.2. Fonctions d’appartenance ........................................................................................ 37
4.2. Inférence floue ................................................................................................................. 39
4.3. Règles d’inférence ............................................................................................................ 39
4.3.1. Opérateurs ............................................................................................................... 40
4.4. Système d'inférence floue ................................................................................................ 40
4.4.1. La Fuzzification ......................................................................................................... 40
4.4.2. Base de connaissances ............................................................................................. 41
4.4.2.1. La base de données .......................................................................................... 41
4.4.2.2. La base des règles floues .................................................................................. 41
4.4.3. Le mécanisme d’inférence floue .............................................................................. 42
4.4.3.1. Méthode d’inférence MAX-MIN (Mamdani) .................................................... 42
4.4.3.2. Méthode d'inférence MAX-PROD (Larsen) ...................................................... 44
4.4.3.3. Méthode d'inférence SOMME-PROD (Sugeno) ................................................ 44
4.4.4. Défuzzification .......................................................................................................... 45
5. Réseau bayésien et inférence .................................................................................................. 45
5.1. Réseau bayésien ............................................................................................................... 45
5.2. Réseaux Bayésiens et Diagnostic Médical ........................................................................ 46
5.3. Inférence bayésienne ....................................................................................................... 46
6. Inférence Markovienne ............................................................................................................ 47
7. Travaux connexes (Etat de l’art) : ............................................................................................. 47
8. Conclusion ............................................................................................................................... 49
Chapitre5: Conception et Réalisation
1. Introduction ............................................................................................................................. 50
2. Environnement de développement de système ...................................................................... 50
2.1. Environnement matériel .................................................................................................. 50
2.2. Environnement logiciel..................................................................................................... 50
3. Images utilisées ........................................................................................................................ 51
4. Description générale de système ............................................................................................. 51
4.1. Description de fichier règles SEP .......................................................................................... 52
5. Méthodologie de la conception ............................................................................................... 53
6. Evaluation et étude comparative ............................................................................................. 53
5.1. Critères de validation ....................................................................................................... 55
6. Présentation de prototype ....................................................................................................... 56
6.1. Fonctionnement de l’application ..................................................................................... 56
6.1.1. Espace d’accueil ....................................................................................................... 56
6.1.2. Espace de traitement d’image ................................................................................. 56
6.1.3. Espace des règles de SEP .......................................................................................... 58
6.1.4. Espace de résultat graphique ................................................................................... 58
6.1.5. Espace de diagnostic ................................................................................................ 59
7. Analyse des résultats ................................................................................................................ 59
8. Conclusion ............................................................................................................................... 59
Conclusion générale ......................................................................................................................... 60Côte titre : MAI/0051 En ligne : https://drive.google.com/file/d/1T2SR5DlrWnbrDyhOa94E3GT_oenMNO_-/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0051 MAI/0051 Mémoire Bibliothéque des sciences Français Disponible
DisponibleFace à face Le manager et l'ordinateur / L.R Sisson
Titre : Face à face Le manager et l'ordinateur : Guide pour traitement de l'information Type de document : texte imprimé Auteurs : L.R Sisson, Auteur ; G.R Canning, Auteur Editeur : Paris : Organisation Année de publication : 1970 Collection : Collection insead management Importance : 1 vol. (175 p.) Format : 22 cm Langues : Français (fre) Catégories : Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Côte titre : Fs/8293 Face à face Le manager et l'ordinateur : Guide pour traitement de l'information [texte imprimé] / L.R Sisson, Auteur ; G.R Canning, Auteur . - Paris : Organisation, 1970 . - 1 vol. (175 p.) ; 22 cm. - (Collection insead management) .
Langues : Français (fre)
Catégories : Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Côte titre : Fs/8293 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité Fs/8293 Fs/8293 livre Bibliothéque des sciences Français Disponible
DisponiblePermalinkFDDI:Réseau haut débit / A Shah
PermalinkLes Fibres optiques / Jean-Michel Mur
PermalinkFlash CS4 / Thierry Pupier
PermalinkFonctions, formules et VBA pour Excel 2013 / Pierre Polard
PermalinkLes fondamentaux du langage Perl 5 : apprentissage par la pratique / Philippe Banquet
PermalinkLes fondamentaux de la programmation iOS / Lemine Beyrouk
PermalinkPermalinkFondements de la programmation orientée objet avec Java 8 / Mickael Kerboeuf
PermalinkFormules et programmes usuels basic / Eddie Adamis
Permalink