University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'auteur
Auteur Tabchouche,radia |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la recherche
Titre : Le data mining appliquée aux accidents de la route en Algérie Type de document : texte imprimé Auteurs : Tabchouche,radia ; KHENTOUT,C, Directeur de thèse Editeur : Setif:UFA Année de publication : 2016 Importance : 1 vol (59f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Réseaux
Systèmes Distribués
Risque Routier
Fouille de donnéesIndex. décimale : 004 Informatique Résumé : RÉSUMÉ
Fléau des temps modernes, le phénomène des accidents de la circulation
obère lourdement les ressources de la société. La route fauche tous les ans des
milliers de vies et handicape des dizaines de milliers de blessés. Ce nombre
important de victimes nécessite l’étude de ce phénomène pour en extraire tous les
facteurs d’influence et permettre ainsi de proposer des mesures préventives. Ces
accidents peuvent survenir soit dans un milieu urbain soit en zone rurale. Nous
présentons dans ce travail, une solution basée sur le data mining, et un outil
d’analyse du risque routier.
Note de contenu : Table de matière
Introduction générale…………………………………………………………………… 01
Chapitre 1……………………………………………………………………………… 03
1. 1. Introduction……………………………………………………………… 04
1. 2. Définition du data mining………………………………………………. 04
1. 3. Processus de data mining ……………………………………………… 05
Définition et compréhension du problème………………………………. 06
Collecte des données……………………………………………………... 06
Prétraitement……………………………………………………………… 06
Estimation du modèle… … …… …… …… …… … …… …… …… … 07
Interprétation du modèle et établissement des conclusions………… 07
1. 4. Techniques du data mining………………………………………………. 07
1. 4.1 Techniquessupervisées …………………………………………….. 07
Les modèles classifications…………………………………………… 08
Les modèles d’estimation…………………………………………… 08
1.1.4.1 Arbre de décision………………………………………..08
1.1.4.2. Règles de décision……………………………………... 09
1.1.4.3. Régression……………………………………………… 10
1.1.4.4. Réseaux de neurone…………………………………….10
1.1.4.5. Machines à vecteurs supports (SVM)………………….. 11
1.1.4.6. Réseaux bayésiens…………………………………….. 11
1.4.2. Techniques non supervisées……………………………………...12
Les modèles de dispersion…………………………………………. 12
Les modèles d'association de séquences………………………….. 12
1.4.2.1 Clustring hiérarchique…………………………………… 12
1.4.2.2. K-means…………………………………………………….13
1.4.2.3. Carte auto-organisatrice de Kohonen…………………...14
Chapitre 2 ……………………………………………………………………………….. 15
2.1. Etat de l’art……………………………………………………………….. 16
2.2. Les Besoins d’analyse……………………………………………………. 17
2.3. Divers outils de data mining…………………………………………….. 19
2.4. Domaines d’application du data mining 27
Chapitre 3……………………………………………………………………………….. 31
3.1 .Introduction…………………………………………………………………. 32
3.2. Présentation du logiciel SODAS (Symbolic Official Data Analysis System)... 33
3.3. Schéma illustrant les étapes de mise en œuvre du logiciel SODAS………… 34
3.4. Description de la base de données ………………………………………….. 35
3.4.1.Schéma Relationel sous ACCESS……………………………………… 35
3.5. Explication des tables……………………………………………………….. 36
3.6. Symbolic Objet Editor (SOE)……………………………………………….. 42
3.6.1. L’étoile zoom à deux dimensions……………………………………... 43
3.6.2.Les histogrammes horizontaux ou verticaux………………………….. 45
3.7. La méthode STAT……………………………………………………………. 47
Capacités et min/max/mean pour des variables multimodales probabilistes... 48
Fréquences relatives pour des variables intervalles………………………….. 49
3.8. La méthode DIV : Divisive Clustering on Symbolic Objects………………… 50
Conclusion générale…...………………………………………………………………… 57
Bibliographie…………………………………………………………………………… 58
Annexe……………………………………………………………………………………. 60Côte titre : MAI/0113 En ligne : https://drive.google.com/file/d/1KKXIABqRBXBM3X_X5rK5m_1hA88qQuko/view?usp=shari [...] Format de la ressource électronique : Le data mining appliquée aux accidents de la route en Algérie [texte imprimé] / Tabchouche,radia ; KHENTOUT,C, Directeur de thèse . - [S.l.] : Setif:UFA, 2016 . - 1 vol (59f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Réseaux
Systèmes Distribués
Risque Routier
Fouille de donnéesIndex. décimale : 004 Informatique Résumé : RÉSUMÉ
Fléau des temps modernes, le phénomène des accidents de la circulation
obère lourdement les ressources de la société. La route fauche tous les ans des
milliers de vies et handicape des dizaines de milliers de blessés. Ce nombre
important de victimes nécessite l’étude de ce phénomène pour en extraire tous les
facteurs d’influence et permettre ainsi de proposer des mesures préventives. Ces
accidents peuvent survenir soit dans un milieu urbain soit en zone rurale. Nous
présentons dans ce travail, une solution basée sur le data mining, et un outil
d’analyse du risque routier.
Note de contenu : Table de matière
Introduction générale…………………………………………………………………… 01
Chapitre 1……………………………………………………………………………… 03
1. 1. Introduction……………………………………………………………… 04
1. 2. Définition du data mining………………………………………………. 04
1. 3. Processus de data mining ……………………………………………… 05
Définition et compréhension du problème………………………………. 06
Collecte des données……………………………………………………... 06
Prétraitement……………………………………………………………… 06
Estimation du modèle… … …… …… …… …… … …… …… …… … 07
Interprétation du modèle et établissement des conclusions………… 07
1. 4. Techniques du data mining………………………………………………. 07
1. 4.1 Techniquessupervisées …………………………………………….. 07
Les modèles classifications…………………………………………… 08
Les modèles d’estimation…………………………………………… 08
1.1.4.1 Arbre de décision………………………………………..08
1.1.4.2. Règles de décision……………………………………... 09
1.1.4.3. Régression……………………………………………… 10
1.1.4.4. Réseaux de neurone…………………………………….10
1.1.4.5. Machines à vecteurs supports (SVM)………………….. 11
1.1.4.6. Réseaux bayésiens…………………………………….. 11
1.4.2. Techniques non supervisées……………………………………...12
Les modèles de dispersion…………………………………………. 12
Les modèles d'association de séquences………………………….. 12
1.4.2.1 Clustring hiérarchique…………………………………… 12
1.4.2.2. K-means…………………………………………………….13
1.4.2.3. Carte auto-organisatrice de Kohonen…………………...14
Chapitre 2 ……………………………………………………………………………….. 15
2.1. Etat de l’art……………………………………………………………….. 16
2.2. Les Besoins d’analyse……………………………………………………. 17
2.3. Divers outils de data mining…………………………………………….. 19
2.4. Domaines d’application du data mining 27
Chapitre 3……………………………………………………………………………….. 31
3.1 .Introduction…………………………………………………………………. 32
3.2. Présentation du logiciel SODAS (Symbolic Official Data Analysis System)... 33
3.3. Schéma illustrant les étapes de mise en œuvre du logiciel SODAS………… 34
3.4. Description de la base de données ………………………………………….. 35
3.4.1.Schéma Relationel sous ACCESS……………………………………… 35
3.5. Explication des tables……………………………………………………….. 36
3.6. Symbolic Objet Editor (SOE)……………………………………………….. 42
3.6.1. L’étoile zoom à deux dimensions……………………………………... 43
3.6.2.Les histogrammes horizontaux ou verticaux………………………….. 45
3.7. La méthode STAT……………………………………………………………. 47
Capacités et min/max/mean pour des variables multimodales probabilistes... 48
Fréquences relatives pour des variables intervalles………………………….. 49
3.8. La méthode DIV : Divisive Clustering on Symbolic Objects………………… 50
Conclusion générale…...………………………………………………………………… 57
Bibliographie…………………………………………………………………………… 58
Annexe……………………………………………………………………………………. 60Côte titre : MAI/0113 En ligne : https://drive.google.com/file/d/1KKXIABqRBXBM3X_X5rK5m_1hA88qQuko/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0113 MAI/0113 Mémoire Bibliothéque des sciences Français Disponible
Disponible