University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'auteur
Auteur farid Ayache |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la rechercheExreaction et selection des fonctionnalites pour la reconnaissance faciale avec apprentissage automatique / Sihem Ouennoughi
Titre : Exreaction et selection des fonctionnalites pour la reconnaissance faciale avec apprentissage automatique Type de document : texte imprimé Auteurs : Sihem Ouennoughi, Auteur ; Hadia Guessab, Auteur ; farid Ayache, Directeur de thèse Editeur : Sétif:UFS Année de publication : 2023 Importance : 1 vol (53 f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Côte titre : MAI/0782 Exreaction et selection des fonctionnalites pour la reconnaissance faciale avec apprentissage automatique [texte imprimé] / Sihem Ouennoughi, Auteur ; Hadia Guessab, Auteur ; farid Ayache, Directeur de thèse . - [S.l.] : Sétif:UFS, 2023 . - 1 vol (53 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Côte titre : MAI/0782 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0782 MAI/0782 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Techniques de sélection de fonctionnalités par l’utilisation des algorithmes d’optimisation bio-inspirés avec Type de document : texte imprimé Auteurs : saleh Gharbi, Auteur ; Abde raouf tennah, Auteur ; farid Ayache, Directeur de thèse Année de publication : 2022 Importance : 1 vol (100 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Chimp Optimization Algorithm
Feature selectionIndex. décimale : 004 - Informatique Résumé :
Selecting a subset of candidate attributes is one of the important steps in the data
mining process. The main goal of attribute selection is to select an optimal number of
high-quality attributes that can maximize the performance of the learning algorithm.
However, this problem becomes difficult when the number of features increases in a
database. Thus, advanced optimization techniques are used nowadays to find the optimal
feature combinations. Chimp Optimization Algorithm (ChOA) is a recent metaheuristic
that has been successfully applied to different optimization problems. In this work we
propose two new feature selection algorithms BChOA1 and BChOA2 based on ChOA.
Both proposed algorithms maintain low computational complexity. The effectiveness of
the proposed approach has been validated on 23 test databases of which 20 are highdimensional
collected from Arizona State University, and the results are compared with
four other feature selection methods. Then to validate our approach and check if it has
chosen the most relevant attributes, we adopted a classification phase based on the most
popular classifiers in the machine learning world, namely KNN, Tree, SVM, Quadratic
analysis, Random Forest. and MLP. The results obtained show that the two proposed
algorithms managed to reduce the 23 databases up to 72.54 % for the second algorithm
and 42.77% for the first and that the selected attributes are considered to be of high
quality since the recognition rates always remain high and very close to the classification
in the original databases.Côte titre : MAI/0669 En ligne : https://drive.google.com/file/d/1XYUBXH1eWg9TarFDyFXHXO0WNDNTF2gp/view?usp=share [...] Format de la ressource électronique : Techniques de sélection de fonctionnalités par l’utilisation des algorithmes d’optimisation bio-inspirés avec [texte imprimé] / saleh Gharbi, Auteur ; Abde raouf tennah, Auteur ; farid Ayache, Directeur de thèse . - 2022 . - 1 vol (100 f .) ; 29cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Chimp Optimization Algorithm
Feature selectionIndex. décimale : 004 - Informatique Résumé :
Selecting a subset of candidate attributes is one of the important steps in the data
mining process. The main goal of attribute selection is to select an optimal number of
high-quality attributes that can maximize the performance of the learning algorithm.
However, this problem becomes difficult when the number of features increases in a
database. Thus, advanced optimization techniques are used nowadays to find the optimal
feature combinations. Chimp Optimization Algorithm (ChOA) is a recent metaheuristic
that has been successfully applied to different optimization problems. In this work we
propose two new feature selection algorithms BChOA1 and BChOA2 based on ChOA.
Both proposed algorithms maintain low computational complexity. The effectiveness of
the proposed approach has been validated on 23 test databases of which 20 are highdimensional
collected from Arizona State University, and the results are compared with
four other feature selection methods. Then to validate our approach and check if it has
chosen the most relevant attributes, we adopted a classification phase based on the most
popular classifiers in the machine learning world, namely KNN, Tree, SVM, Quadratic
analysis, Random Forest. and MLP. The results obtained show that the two proposed
algorithms managed to reduce the 23 databases up to 72.54 % for the second algorithm
and 42.77% for the first and that the selected attributes are considered to be of high
quality since the recognition rates always remain high and very close to the classification
in the original databases.Côte titre : MAI/0669 En ligne : https://drive.google.com/file/d/1XYUBXH1eWg9TarFDyFXHXO0WNDNTF2gp/view?usp=share [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0669 MAI/0669 livre Bibliothéque des sciences Français Disponible
Disponible
