University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'auteur
Auteur Hanane Benfriha |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la recherche
Titre : Feature Selection for High-Dimensional Data Type de document : texte imprimé Auteurs : Meriem Saifi, Auteur ; Hanane Benfriha ; Bilal Benmssahel, Directeur de thèse Editeur : Sétif:UFS Année de publication : 2023 Importance : 1 vol (79 f.) Format : 29 cm Langues : Anglais (eng) Catégories : Thèses & Mémoires:Informatique Mots-clés : Jeux de données à haute dimension
Sélection de caractéristiques,
Algorithmes d'apprentissage automatique
Algorithmes d'optimisation métaheuristique.Index. décimale : 004 - Informatique Résumé : Les ensembles de données de grande dimension sont typiques du monde actuel axé sur
les données dans des secteurs tels que la médecine, la finance et l'apprentissage
automatique. Alors que la dimensionnalité peut être réduite grâce à la sélection des
caractéristiques, les données de grande dimension souffrent fréquemment de
redondance, de bruit et de complexité de calcul. Cette thèse examine les méthodes de
sélection de caractéristiques pour de grands ensembles de données, couvrant à la fois les
algorithmes traditionnels et les alternatives de pointe basées sur l'apprentissage
automatique et les méthodes d'optimisation. L'objectif est d'offrir des conseils utiles et
des données empiriques pour aider les chercheurs à naviguer dans les difficultés et les
opportunités induites par les mégadonnées = High-dimensional datasets are typical in today's data-driven world in industries like
medicine, finance, and machine learning. While dimensionality can be reduced through
feature selection, high-dimensional data frequently suffers from redundancy, noise, and
computational complexity. This thesis examines feature selection methods for large
datasets, covering both traditional algorithms and cutting-edge alternatives based on
machine learning and optimization methods. The objective is to offer helpful advice and
empirical data to aid researchers in navigating the difficulties and opportunities brought
on by big data.Côte titre : MAI/0814
En ligne : https://drive.google.com/file/d/1wDreH05yWB-HPBIWattFsh9XvfoM3fIe/view?usp=drive [...] Format de la ressource électronique : Feature Selection for High-Dimensional Data [texte imprimé] / Meriem Saifi, Auteur ; Hanane Benfriha ; Bilal Benmssahel, Directeur de thèse . - [S.l.] : Sétif:UFS, 2023 . - 1 vol (79 f.) ; 29 cm.
Langues : Anglais (eng)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Jeux de données à haute dimension
Sélection de caractéristiques,
Algorithmes d'apprentissage automatique
Algorithmes d'optimisation métaheuristique.Index. décimale : 004 - Informatique Résumé : Les ensembles de données de grande dimension sont typiques du monde actuel axé sur
les données dans des secteurs tels que la médecine, la finance et l'apprentissage
automatique. Alors que la dimensionnalité peut être réduite grâce à la sélection des
caractéristiques, les données de grande dimension souffrent fréquemment de
redondance, de bruit et de complexité de calcul. Cette thèse examine les méthodes de
sélection de caractéristiques pour de grands ensembles de données, couvrant à la fois les
algorithmes traditionnels et les alternatives de pointe basées sur l'apprentissage
automatique et les méthodes d'optimisation. L'objectif est d'offrir des conseils utiles et
des données empiriques pour aider les chercheurs à naviguer dans les difficultés et les
opportunités induites par les mégadonnées = High-dimensional datasets are typical in today's data-driven world in industries like
medicine, finance, and machine learning. While dimensionality can be reduced through
feature selection, high-dimensional data frequently suffers from redundancy, noise, and
computational complexity. This thesis examines feature selection methods for large
datasets, covering both traditional algorithms and cutting-edge alternatives based on
machine learning and optimization methods. The objective is to offer helpful advice and
empirical data to aid researchers in navigating the difficulties and opportunities brought
on by big data.Côte titre : MAI/0814
En ligne : https://drive.google.com/file/d/1wDreH05yWB-HPBIWattFsh9XvfoM3fIe/view?usp=drive [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0814 MAI/0814 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible