University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'indexation
Ouvrages de la bibliothèque en indexation 004
Ajouter le résultat dans votre panier Affiner la recherche
Approche Green Computing agile guidée par les ontologies d’accès automatique à des environnements intelligents / Mansouri,Kamel
Titre : Approche Green Computing agile guidée par les ontologies d’accès automatique à des environnements intelligents Type de document : texte imprimé Auteurs : Mansouri,Kamel, Auteur ; Alti,Adel, Directeur de thèse Editeur : Setif:UFA Année de publication : 2019 Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Environnement intelligent Cloud
Energie
optimisation
Service
Algorithmecolonie de fourmisIndex. décimale : 004 Informatique Résumé :
Au cours des dernières années, l’utilisation des smartphones et tablettes a augmenté de façon significative. En effet, les utilisateurs, accèdent à tout instant, et en tout lieu à des services (intelligents) accessibles sur le Cloud. L'utilisation massive de nouveaux services intelligents et technologies mobiles hétérogènes pour découvrir et déployer des services Cloud a conduit à un problème de compromis entre le coût d’accès et le déploiement des services et l'amélioration de la qualité des services (temps de réponse rapide, prix bas, sécurité améliorée, réduction de la consommation d'énergie, etc.). Dans ce contexte, cette thèse propose une approche dynamique inspirée de Green Computing et guidée par une ontologie pour laréduction de la consommation d’énergie et des émissions en carbone des centres de données. Cette méthodologie inclut la définition d’un cadre de travail impliquant la phase de conception sémantique ainsi qu’une technique bio-inspirée pour l'optimisation de la qualité des services intelligents et d'énergie dans le Cloud.
Dans une première partie, le cadre de modélisation fournit un niveau sémantique qui permet l’enrichissement automatique des requêtes clients et le filtrage sémantique des services de qualité. Elle facilite ainsi l’interopérabilité sémantique des services intelligents Cloud hétérogènes et gère les qualités des services. Cette hétérogénéité résulte de la représentation des différents langages et des fournisseurs Cloud de services. Pour uvoir satisfaire les différentes exigences de qualité de service, le modèle sémantique intègre les exigences et les préférences des clients. Le modèle sémantique (ontologie)se concentre sur l’optimisation d’énergie des centres de données qui stockent tous les services Cloud qui supportent les activités des utilisateurs et intégration des nouveaux services intelligents selon ses domaines d’applications (e-santé, e-communication, e-tourisme, e-éducation, etc.) via une classe générique catégorie de service et ses classes spécifiquessur le formalisme des langages sémantiques SPARQL. Ce formalisme est utilisé pour le filtrage sémantique des services de domaine et classifiée par préférences de client et consommation énergétiques.
Dans une deuxième partie, la problématique d’optimisation de l’énergie de sélection et de composition des services sélectionnés est traitée. Une nouvelle approche qui utilisant le principe de l’algorithme des colonies de fourmis(ACO) associé à des principes de filtrage sémantiques des services guidée par une ontologie est proposée pour améliorer les performances de l’essaim en termes de temps de réponse et de la quantité d’énergie consommée dans le Cloud.
Côte titre : DI/0043 En ligne : https://drive.google.com/file/d/1XoF5o4_vug23vnOntQ-xEPZunttsd3eB/view?usp=shari [...] Format de la ressource électronique : Approche Green Computing agile guidée par les ontologies d’accès automatique à des environnements intelligents [texte imprimé] / Mansouri,Kamel, Auteur ; Alti,Adel, Directeur de thèse . - [S.l.] : Setif:UFA, 2019.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Environnement intelligent Cloud
Energie
optimisation
Service
Algorithmecolonie de fourmisIndex. décimale : 004 Informatique Résumé :
Au cours des dernières années, l’utilisation des smartphones et tablettes a augmenté de façon significative. En effet, les utilisateurs, accèdent à tout instant, et en tout lieu à des services (intelligents) accessibles sur le Cloud. L'utilisation massive de nouveaux services intelligents et technologies mobiles hétérogènes pour découvrir et déployer des services Cloud a conduit à un problème de compromis entre le coût d’accès et le déploiement des services et l'amélioration de la qualité des services (temps de réponse rapide, prix bas, sécurité améliorée, réduction de la consommation d'énergie, etc.). Dans ce contexte, cette thèse propose une approche dynamique inspirée de Green Computing et guidée par une ontologie pour laréduction de la consommation d’énergie et des émissions en carbone des centres de données. Cette méthodologie inclut la définition d’un cadre de travail impliquant la phase de conception sémantique ainsi qu’une technique bio-inspirée pour l'optimisation de la qualité des services intelligents et d'énergie dans le Cloud.
Dans une première partie, le cadre de modélisation fournit un niveau sémantique qui permet l’enrichissement automatique des requêtes clients et le filtrage sémantique des services de qualité. Elle facilite ainsi l’interopérabilité sémantique des services intelligents Cloud hétérogènes et gère les qualités des services. Cette hétérogénéité résulte de la représentation des différents langages et des fournisseurs Cloud de services. Pour uvoir satisfaire les différentes exigences de qualité de service, le modèle sémantique intègre les exigences et les préférences des clients. Le modèle sémantique (ontologie)se concentre sur l’optimisation d’énergie des centres de données qui stockent tous les services Cloud qui supportent les activités des utilisateurs et intégration des nouveaux services intelligents selon ses domaines d’applications (e-santé, e-communication, e-tourisme, e-éducation, etc.) via une classe générique catégorie de service et ses classes spécifiquessur le formalisme des langages sémantiques SPARQL. Ce formalisme est utilisé pour le filtrage sémantique des services de domaine et classifiée par préférences de client et consommation énergétiques.
Dans une deuxième partie, la problématique d’optimisation de l’énergie de sélection et de composition des services sélectionnés est traitée. Une nouvelle approche qui utilisant le principe de l’algorithme des colonies de fourmis(ACO) associé à des principes de filtrage sémantiques des services guidée par une ontologie est proposée pour améliorer les performances de l’essaim en termes de temps de réponse et de la quantité d’énergie consommée dans le Cloud.
Côte titre : DI/0043 En ligne : https://drive.google.com/file/d/1XoF5o4_vug23vnOntQ-xEPZunttsd3eB/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité DI/0043 DI/0043 Thèse Bibliothéque des sciences Français Disponible
Disponible
Titre : Approche hybride d'optimisation de qos de l'énergie cloud Type de document : texte imprimé Auteurs : Abid , Ali Hani, Auteur ; Alti,Adel, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (47 f .) Format : 29 cm Langues : Français (fre) Langues originales : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Cloud Computing
Chaine de Markov
Optimisation
File d’attente
StochastiqueIndex. décimale : 004 Informatique Résumé : Résumé
Au cours des dernières années, l’utilisation massive de nouvelles technologies pour découvrir et déployer des services Cloud à conduire à un problème du compromis entre les coûts de déploiement des services et l'amélioration de la qualité des services (temps de réponse rapide, prix bas, sécurité améliorée, réduction de la consommation d'énergie, etc.). Dans ce contexte, nous focalisant sur l’optimisation d’énergie et tout particulièrement sur l’activation et désactivation des serveurs (machines virtuelles). Pour ce faire, nous proposons une approche hybride utilisant les principes de chaines de Markov associé à des méthodes d’optimisation combinatoires (Branch and Bound) dans un système Cloud pour la réduction de la consommation d’énergie des centres de données. Afin de valider notre proposition, nous avons appliqué nos propositions liées à la réduction de l’énergie sur plusieurs centres de données.Note de contenu :
Sommaire
Table des Matières
Liste des Figures ........................................................................................................................................
Introduction Générale .............................................................................................................................. 1
Plan du mémoire :.................................................................................................................................... 2
1 Le Cloud Computing. ....................................................................................................................... 3
1.1 Introduction ............................................................................................................................. 4
1.2 Historique du Cloud Computing ............................................................................................. 4
1.3 Définitions du Cloud Computing ............................................................................................ 5
1.4 Les caractéristiques du Cloud Computing ............................................................................... 6
1.5 Modéles de services du Cloud Computing .............................................................................. 7
1.5.1 Infrastructure as a Service (IaaS)......................................................................................... 8
1.5.2 Platform as a Service (PaaS) ............................................................................................... 8
1.5.3 Software as a Service (SaaS) ............................................................................................... 9
1.6 Modèles de déploiement .......................................................................................................... 9
1.7 Bénéfices du Cloud Computing............................................................................................. 10
1.8 Les applications intensives ....................................................................................................
12 1.8.1 Les applications mobiles du Cloud .................................................................................... 12
1.8.2 Les notions de « Uploading/Offloading » ......................................................................... 13
1.9 Consommation d’énergie dans le Cloud ................................................................................ 14
1.10 Problématique ........................................................................................................................ 17
1.11 Conclusion ............................................................................................................................. 17
2 Etat de L’art. .................................................................................................................................. 18
2.1 Introduction ........................................................................................................................... 19
2.2 Travaux connexes : ................................................................................................................ 20
2.3 Discussions et synthèse : ....................................................................................................... 26
2.4 Conclusion ............................................................................................................................. 26
3 Approche hybride de gestion des ressources énergétiques dans le Cloud. .................................... 27
3.1 Introduction ........................................................................................................................... 28
3.2 Chaine de Markov et la méthode « Branch and Bound » ...................................................... 28
3.2.1 Chaine de Markov ............................................................................................................. 28
3.2.2 Méthode de séparation et d’évaluation (Branch and Bound) ............................................ 29
3.3 Modélisation et formalisation du problème ........................................................................... 31
3.1 La consommation d'énergie du chemin : .................................................................................. 32
3.4 Approche hybride d’optimisation de l’énergie dans le Cloud ............................................... 33
3.4.1 Description de modèle ....................................................................................................... 34
3.4.2 La distribution stationnaire ................................................................................................ 40
3.5 Conclusion ............................................................................................................................. 40
Conclusion Générale ............................................................................................................................. 41
Bibliographies ....................................................................................................................................... 42Côte titre : MAI/0229 En ligne : https://drive.google.com/file/d/1nRcJF87TIc1Ly8RqvDZ4eD5ZjgzlbrDl/view?usp=shari [...] Format de la ressource électronique : Approche hybride d'optimisation de qos de l'énergie cloud [texte imprimé] / Abid , Ali Hani, Auteur ; Alti,Adel, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (47 f .) ; 29 cm.
Langues : Français (fre) Langues originales : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Cloud Computing
Chaine de Markov
Optimisation
File d’attente
StochastiqueIndex. décimale : 004 Informatique Résumé : Résumé
Au cours des dernières années, l’utilisation massive de nouvelles technologies pour découvrir et déployer des services Cloud à conduire à un problème du compromis entre les coûts de déploiement des services et l'amélioration de la qualité des services (temps de réponse rapide, prix bas, sécurité améliorée, réduction de la consommation d'énergie, etc.). Dans ce contexte, nous focalisant sur l’optimisation d’énergie et tout particulièrement sur l’activation et désactivation des serveurs (machines virtuelles). Pour ce faire, nous proposons une approche hybride utilisant les principes de chaines de Markov associé à des méthodes d’optimisation combinatoires (Branch and Bound) dans un système Cloud pour la réduction de la consommation d’énergie des centres de données. Afin de valider notre proposition, nous avons appliqué nos propositions liées à la réduction de l’énergie sur plusieurs centres de données.Note de contenu :
Sommaire
Table des Matières
Liste des Figures ........................................................................................................................................
Introduction Générale .............................................................................................................................. 1
Plan du mémoire :.................................................................................................................................... 2
1 Le Cloud Computing. ....................................................................................................................... 3
1.1 Introduction ............................................................................................................................. 4
1.2 Historique du Cloud Computing ............................................................................................. 4
1.3 Définitions du Cloud Computing ............................................................................................ 5
1.4 Les caractéristiques du Cloud Computing ............................................................................... 6
1.5 Modéles de services du Cloud Computing .............................................................................. 7
1.5.1 Infrastructure as a Service (IaaS)......................................................................................... 8
1.5.2 Platform as a Service (PaaS) ............................................................................................... 8
1.5.3 Software as a Service (SaaS) ............................................................................................... 9
1.6 Modèles de déploiement .......................................................................................................... 9
1.7 Bénéfices du Cloud Computing............................................................................................. 10
1.8 Les applications intensives ....................................................................................................
12 1.8.1 Les applications mobiles du Cloud .................................................................................... 12
1.8.2 Les notions de « Uploading/Offloading » ......................................................................... 13
1.9 Consommation d’énergie dans le Cloud ................................................................................ 14
1.10 Problématique ........................................................................................................................ 17
1.11 Conclusion ............................................................................................................................. 17
2 Etat de L’art. .................................................................................................................................. 18
2.1 Introduction ........................................................................................................................... 19
2.2 Travaux connexes : ................................................................................................................ 20
2.3 Discussions et synthèse : ....................................................................................................... 26
2.4 Conclusion ............................................................................................................................. 26
3 Approche hybride de gestion des ressources énergétiques dans le Cloud. .................................... 27
3.1 Introduction ........................................................................................................................... 28
3.2 Chaine de Markov et la méthode « Branch and Bound » ...................................................... 28
3.2.1 Chaine de Markov ............................................................................................................. 28
3.2.2 Méthode de séparation et d’évaluation (Branch and Bound) ............................................ 29
3.3 Modélisation et formalisation du problème ........................................................................... 31
3.1 La consommation d'énergie du chemin : .................................................................................. 32
3.4 Approche hybride d’optimisation de l’énergie dans le Cloud ............................................... 33
3.4.1 Description de modèle ....................................................................................................... 34
3.4.2 La distribution stationnaire ................................................................................................ 40
3.5 Conclusion ............................................................................................................................. 40
Conclusion Générale ............................................................................................................................. 41
Bibliographies ....................................................................................................................................... 42Côte titre : MAI/0229 En ligne : https://drive.google.com/file/d/1nRcJF87TIc1Ly8RqvDZ4eD5ZjgzlbrDl/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0229 MAI/0229 Mémoire Bibliothéque des sciences Français Disponible
DisponibleApproche hybride sémantique et green ant pour l’optimisation de l’énergie cloud / BOUNECHADA,Oussama
Titre : Approche hybride sémantique et green ant pour l’optimisation de l’énergie cloud Type de document : texte imprimé Auteurs : BOUNECHADA,Oussama ; Alti,Adel, Directeur de thèse Editeur : Setif:UFA Année de publication : 2016 Importance : 1 vol (53f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Génie Logiciel
cloud
datacenter
énergie
optimisation
ontologie
service
algorithme
colonie de fourmisIndex. décimale : 004 Informatique Résumé : Résumé:
Au cours des dernières années, l’utilisation des téléphones portables et tablettes
s’est augmenté de façon significative. Dans lequel les utilisateurs partout où
ils sont accèdent en tout temps à des services se trouvant dans le Cloud. Cet
environnement consomme une quantité d’énergie significative et est responsable
d’émissions considérables en carbone. Cette consommation massive d’énergie et émissions
en carbone deviennent un problème majeur dans le secteur TIC. Dans ce contexte, nous
nous intéressons dans cette thèse à la réduction de la consommation d’énergie et des
empreintes en carbone des datacenters par une nouvelle approche qui utilise
les principes de l’algorithme de colonie de fourmis et les principes de filtrage sémantiques des services
pour optimiser l’énergie des projets de grande taille en prenant en considération les besoins
et préférences des clients.Note de contenu : Tableau de matière:
Introduction générale..............................09
capitre1:
Introduction ......................................................................................................... 12
Green Computing ............................................................................................... 12
Définition ....................................................................................................... 12
Historique ...................................................................................................... 13
Motivation ..................................................................................................... 14
Etapes vers green computing ......................................................................... 14
Approches ...................................................................................................... 15
Green Data Center ................................................................................. 15
La virtualisation ..................................................................................... 16
Cloud Computing ................................................................................... 17
Conclusion ........................................................................................................... 18
Chapitre2:
Introduction ......................................................................................................... 20
Les méthodes d’optimisation par métaheuristiques....................................... 20
La méthode du recuit simulé ......................................................................... 20
Le Principe ............................................................................................. 21
Les applications de recuit simulé ........................................................... 22
Les avantages ......................................................................................... 22
Les inconvénients ................................................................................... 23
La méthode des algorithmes génétiques AGs................................................ 23
Le Principe de l’algorithme génétique............................................. 23
Avantages des AGs ................................................................................. 25
Inconvénients des AGs ........................................................................... 26
L’optimisation par colonies de fourmis....................................................... 26
Principe .................................................................................................. 26
Applications de l’optimisation par colonie de fourmis........................ 27
Avantage: ............................................................................................... 28
Inconvénients: ........................................................................................ 28
Les travaux connexes ......................................................................................... 28
Synthèse et discussion ......................................................................................... 32
Conclusion .......................................................................................................... 32
Chapitre3:
Introduction ......................................................................................................... 34
Limites des ACO ................................................................................................. 34
Contribution ........................................................................................................ 35
Modèle ontologique ....................................................................................... 36
Description de l’ontologie..................................................................... 36
Description de l’approche et algorithme GreenACO................................... 37
Diagramme de Classe .................................................................................... 40
Description des classes .......................................................................... 40
Exemple illustratif ......................................................................................... 41
Conclusion ........................................................................................................... 45
Chapitre4:
Introduction ......................................................................................................... 47
L’environnement de développement................................................................ 47
Système d’exploitation................................................................................ 47
Outil de développement ................................................................................. 47
Langage de programmation utilisée .................................................................. 47
Java ........................................................................................................... 47
Pourquoi choisir java ..................................................................................... 48
Fonctionnent du GreenACO .............................................................................. 48
Conclusion ........................................................................................................... 53
Conclusion generale et prespectives.........................54
Bibliographie.............................................55
Côte titre : MAI/0105 En ligne : https://drive.google.com/file/d/1DHAX96imXEVWPjXZT95zmy_xM0FIKFD_/view?usp=shari [...] Format de la ressource électronique : Approche hybride sémantique et green ant pour l’optimisation de l’énergie cloud [texte imprimé] / BOUNECHADA,Oussama ; Alti,Adel, Directeur de thèse . - [S.l.] : Setif:UFA, 2016 . - 1 vol (53f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Génie Logiciel
cloud
datacenter
énergie
optimisation
ontologie
service
algorithme
colonie de fourmisIndex. décimale : 004 Informatique Résumé : Résumé:
Au cours des dernières années, l’utilisation des téléphones portables et tablettes
s’est augmenté de façon significative. Dans lequel les utilisateurs partout où
ils sont accèdent en tout temps à des services se trouvant dans le Cloud. Cet
environnement consomme une quantité d’énergie significative et est responsable
d’émissions considérables en carbone. Cette consommation massive d’énergie et émissions
en carbone deviennent un problème majeur dans le secteur TIC. Dans ce contexte, nous
nous intéressons dans cette thèse à la réduction de la consommation d’énergie et des
empreintes en carbone des datacenters par une nouvelle approche qui utilise
les principes de l’algorithme de colonie de fourmis et les principes de filtrage sémantiques des services
pour optimiser l’énergie des projets de grande taille en prenant en considération les besoins
et préférences des clients.Note de contenu : Tableau de matière:
Introduction générale..............................09
capitre1:
Introduction ......................................................................................................... 12
Green Computing ............................................................................................... 12
Définition ....................................................................................................... 12
Historique ...................................................................................................... 13
Motivation ..................................................................................................... 14
Etapes vers green computing ......................................................................... 14
Approches ...................................................................................................... 15
Green Data Center ................................................................................. 15
La virtualisation ..................................................................................... 16
Cloud Computing ................................................................................... 17
Conclusion ........................................................................................................... 18
Chapitre2:
Introduction ......................................................................................................... 20
Les méthodes d’optimisation par métaheuristiques....................................... 20
La méthode du recuit simulé ......................................................................... 20
Le Principe ............................................................................................. 21
Les applications de recuit simulé ........................................................... 22
Les avantages ......................................................................................... 22
Les inconvénients ................................................................................... 23
La méthode des algorithmes génétiques AGs................................................ 23
Le Principe de l’algorithme génétique............................................. 23
Avantages des AGs ................................................................................. 25
Inconvénients des AGs ........................................................................... 26
L’optimisation par colonies de fourmis....................................................... 26
Principe .................................................................................................. 26
Applications de l’optimisation par colonie de fourmis........................ 27
Avantage: ............................................................................................... 28
Inconvénients: ........................................................................................ 28
Les travaux connexes ......................................................................................... 28
Synthèse et discussion ......................................................................................... 32
Conclusion .......................................................................................................... 32
Chapitre3:
Introduction ......................................................................................................... 34
Limites des ACO ................................................................................................. 34
Contribution ........................................................................................................ 35
Modèle ontologique ....................................................................................... 36
Description de l’ontologie..................................................................... 36
Description de l’approche et algorithme GreenACO................................... 37
Diagramme de Classe .................................................................................... 40
Description des classes .......................................................................... 40
Exemple illustratif ......................................................................................... 41
Conclusion ........................................................................................................... 45
Chapitre4:
Introduction ......................................................................................................... 47
L’environnement de développement................................................................ 47
Système d’exploitation................................................................................ 47
Outil de développement ................................................................................. 47
Langage de programmation utilisée .................................................................. 47
Java ........................................................................................................... 47
Pourquoi choisir java ..................................................................................... 48
Fonctionnent du GreenACO .............................................................................. 48
Conclusion ........................................................................................................... 53
Conclusion generale et prespectives.........................54
Bibliographie.............................................55
Côte titre : MAI/0105 En ligne : https://drive.google.com/file/d/1DHAX96imXEVWPjXZT95zmy_xM0FIKFD_/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0105 MAI/0105 Mémoire Bibliothéque des sciences Français Disponible
DisponibleUne approche incrémentale pour la fragmentation horizontale des BIGS DATA WAREHOUSE / Djemouai, selma
Titre : Une approche incrémentale pour la fragmentation horizontale des BIGS DATA WAREHOUSE Type de document : texte imprimé Auteurs : Djemouai, selma ; TOUMI, Lyazid, Directeur de thèse Editeur : Setif:UFA Année de publication : 2017 Importance : 1 vol (97f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Ingénierie de Données
Technologies Web
Entrepôt de données
conception physique
fragmentation horizontale
sélection incrémentale
algorithme d’optimisation
optimisation Multi-objectiveIndex. décimale : 004 Informatique Résumé :
Résumé
De nos jours, les entrepôts de données stockent des Zeta-octets de données. Les requêtes
décisionnelles définies sur les entrepôts de données sont généralement coûteuses en temps
d'exécution. Plusieurs techniques sont utilisées pour l'optimisation de ces requêtes dans les
entrepôts de données, tels que les index, la fragmentation et les vues matérialisées. Ici, nous
nous concentrons sur le problème de la fragmentation horizontale. Plusieurs approches ont été
proposées pour résoudre le problème de fragmentation horizontale dans les entrepôts de
données, y compris des algorithmes génétiques à l'aide d'un petit ensemble de charge de
requêtes. Nous présentons une nouvelle approche basée sur la sélection incrémentale multiobjective pour résoudre le problème de fragmentation horizontale dans les entrepôts de
données à l'aide d'une charge de requêtes.
Tout d'abord, nous effectuons une analyse incrémentale pour l'extraction des nouveaux
prédicats. Puis, nous utilisons un algorithme d’optimisation appelé Non-dominated Sorting
Genetic Algorithm II (NSGAII) pour la sélection du meilleur schéma de fragmentation.
Plusieurs expériences ont été réalisées pour démontrer l'efficacité de notre approche, les
résultats obtenues sont comparés aux meilleures approches connues jusqu'à présent en état de
l’art : l'approche basée sur l'algorithme génétique et l'approche basée sur l'algorithme
génétique incrémentale. L'approche proposée est jugée plus efficace que les autres approches
pour résoudre le problème de fragmentation horizontale dans les entrepôts de données.Côte titre : MAI/0198 Une approche incrémentale pour la fragmentation horizontale des BIGS DATA WAREHOUSE [texte imprimé] / Djemouai, selma ; TOUMI, Lyazid, Directeur de thèse . - [S.l.] : Setif:UFA, 2017 . - 1 vol (97f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Ingénierie de Données
Technologies Web
Entrepôt de données
conception physique
fragmentation horizontale
sélection incrémentale
algorithme d’optimisation
optimisation Multi-objectiveIndex. décimale : 004 Informatique Résumé :
Résumé
De nos jours, les entrepôts de données stockent des Zeta-octets de données. Les requêtes
décisionnelles définies sur les entrepôts de données sont généralement coûteuses en temps
d'exécution. Plusieurs techniques sont utilisées pour l'optimisation de ces requêtes dans les
entrepôts de données, tels que les index, la fragmentation et les vues matérialisées. Ici, nous
nous concentrons sur le problème de la fragmentation horizontale. Plusieurs approches ont été
proposées pour résoudre le problème de fragmentation horizontale dans les entrepôts de
données, y compris des algorithmes génétiques à l'aide d'un petit ensemble de charge de
requêtes. Nous présentons une nouvelle approche basée sur la sélection incrémentale multiobjective pour résoudre le problème de fragmentation horizontale dans les entrepôts de
données à l'aide d'une charge de requêtes.
Tout d'abord, nous effectuons une analyse incrémentale pour l'extraction des nouveaux
prédicats. Puis, nous utilisons un algorithme d’optimisation appelé Non-dominated Sorting
Genetic Algorithm II (NSGAII) pour la sélection du meilleur schéma de fragmentation.
Plusieurs expériences ont été réalisées pour démontrer l'efficacité de notre approche, les
résultats obtenues sont comparés aux meilleures approches connues jusqu'à présent en état de
l’art : l'approche basée sur l'algorithme génétique et l'approche basée sur l'algorithme
génétique incrémentale. L'approche proposée est jugée plus efficace que les autres approches
pour résoudre le problème de fragmentation horizontale dans les entrepôts de données.Côte titre : MAI/0198 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0198 MAI/0198 Mémoire Bibliothéque des sciences Français Disponible
DisponibleApproche intelligente pour la reconnaissance des monnaies / Tahraoui, zineb
Titre : Approche intelligente pour la reconnaissance des monnaies Type de document : texte imprimé Auteurs : Tahraoui, zineb ; TOUAHRIA, M, Directeur de thèse Editeur : Setif:UFA Année de publication : 2017 Importance : 1 vol (64f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Génie Logiciel
intelligence artificielle
numismatique
neurone artificielIndex. décimale : 004 Informatique Côte titre : MAI/0189 Approche intelligente pour la reconnaissance des monnaies [texte imprimé] / Tahraoui, zineb ; TOUAHRIA, M, Directeur de thèse . - [S.l.] : Setif:UFA, 2017 . - 1 vol (64f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Génie Logiciel
intelligence artificielle
numismatique
neurone artificielIndex. décimale : 004 Informatique Côte titre : MAI/0189 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0189 MAI/0189 Mémoire Bibliothéque des sciences Français Disponible
DisponibleApproche Ontologique pour l’indexation des ressources pédagogiques numériques / Meriem Aya Yaiche
PermalinkUne approche parallèle a base de GPU pour la fragmentation horizontale des entrepôts de données / Haddad, wafa
PermalinkUne approche parallèle a base de GPU pour la sélection d'indexes binaires de jointures dans les entrepôts de données / Azziz, yamina
PermalinkApproche sémantique basée Cloud pour l'adaptation des documents multimédia / Merghem, abdallah
PermalinkUne approche vanet – pso pour le E – commerce / Sellami meriem
PermalinkUne approche web sémantique et collaborative pour un système dynamique d’adaptation des services sensibles aux contextes / RAIS, Khadîdja
PermalinkPermalinkPermalinkUne architecture distribuée à base de service pour la consommation sécurisée des données IoT à la demande / Namoune ,Issam
PermalinkL'art du game design / Jesse Schell
PermalinkPermalinkPermalinkPermalinkAttention-Based Deep Convolutional Neural Network Versus Transfer Learning for Medical Image Classification and Disease Diagnosis / Maroua Azouz
PermalinkPermalinkPermalinkAutomatique de base / Siarry, Patrick
PermalinkL'Automatisation des chaines d'approvisionnement en utilisation l'orchestration des services web / BOUZOUIKA, Safia
PermalinkBases de données / Takahashi, Mana
PermalinkBases de données floues / Drif, nour el-imane
Permalink