University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'éditeur
Setif:UFA |
Documents disponibles chez cet éditeur
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
Implémentation numérique d’un algorithme pour résoudre le problème des moindres carrés semi-défini à contraintes linéaires / Kheireddine Dilmi
![]()
Titre : Implémentation numérique d’un algorithme pour résoudre le problème des moindres carrés semi-défini à contraintes linéaires Type de document : texte imprimé Auteurs : Kheireddine Dilmi, Auteur ; Chafia Daili, Directeur de thèse Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol (47 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Mathématique Mots-clés : Problème de moindres carrés semi-défini
Méthodes de points-intérieursIndex. décimale : 510 Mathématique Résumé : Dans ce mémoire, nous nous intéressons à l’application des méthodes de points
intérieurs du type primal-dual de trajectoire centrale basées sur les fonctions noyaux
pour résoudre un problème de moindres carrés semi-defini à contraintes linéaires note
SDLS. Des résultats numériques sont données en utilisant différentes fonctions noyaux.
Une comparaison des résultats obtenus par chaque fonction est faite.Côte titre : MAM/0475 En ligne : https://drive.google.com/file/d/1EVuZ9YgRpbUIo9ERWiYYwbDYIM0XIi0e/view?usp=shari [...] Format de la ressource électronique : Implémentation numérique d’un algorithme pour résoudre le problème des moindres carrés semi-défini à contraintes linéaires [texte imprimé] / Kheireddine Dilmi, Auteur ; Chafia Daili, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol (47 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Mathématique Mots-clés : Problème de moindres carrés semi-défini
Méthodes de points-intérieursIndex. décimale : 510 Mathématique Résumé : Dans ce mémoire, nous nous intéressons à l’application des méthodes de points
intérieurs du type primal-dual de trajectoire centrale basées sur les fonctions noyaux
pour résoudre un problème de moindres carrés semi-defini à contraintes linéaires note
SDLS. Des résultats numériques sont données en utilisant différentes fonctions noyaux.
Une comparaison des résultats obtenus par chaque fonction est faite.Côte titre : MAM/0475 En ligne : https://drive.google.com/file/d/1EVuZ9YgRpbUIo9ERWiYYwbDYIM0XIi0e/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAM/0475 MAM/0475 Mémoire Bibliothéque des sciences Français Disponible
DisponibleImplémentation numérique d'une méthode barrière logarithmique pour la programmation linéaire / Soraya Chaghoub
Titre : Implémentation numérique d'une méthode barrière logarithmique pour la programmation linéaire Type de document : texte imprimé Auteurs : Soraya Chaghoub ; Benterki Djamel, Directeur de thèse Editeur : Setif:UFA Année de publication : 2017 Importance : 1 vol (50 f.) Catégories : Thèses & Mémoires:Mathématique Mots-clés : Optimisation et contrôle Côte titre : MAM/0228 Implémentation numérique d'une méthode barrière logarithmique pour la programmation linéaire [texte imprimé] / Soraya Chaghoub ; Benterki Djamel, Directeur de thèse . - [S.l.] : Setif:UFA, 2017 . - 1 vol (50 f.).
Catégories : Thèses & Mémoires:Mathématique Mots-clés : Optimisation et contrôle Côte titre : MAM/0228 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAM/0228 MAM/0228 Mémoire Bibliothéque des sciences Français Disponible
Sorti jusqu'au 15/02/2024Implémentation numérique d'une méthode de trajectoire centrale avec poids pour la programmation linéaire / Lamia Sebia
![]()
Titre : Implémentation numérique d'une méthode de trajectoire centrale avec poids pour la programmation linéaire Type de document : texte imprimé Auteurs : Lamia Sebia ; Hayat Roumili, Directeur de thèse Editeur : Setif:UFA Année de publication : 2017 Importance : 1 vol (30 f.) Catégories : Thèses & Mémoires:Mathématique Mots-clés : Optimisation et contrôle Côte titre : MAM/0237 En ligne : https://drive.google.com/file/d/15ZA7-1iUIr7OdtslTDrq-E6dU2Dfpk1h/view?usp=shari [...] Format de la ressource électronique : Implémentation numérique d'une méthode de trajectoire centrale avec poids pour la programmation linéaire [texte imprimé] / Lamia Sebia ; Hayat Roumili, Directeur de thèse . - [S.l.] : Setif:UFA, 2017 . - 1 vol (30 f.).
Catégories : Thèses & Mémoires:Mathématique Mots-clés : Optimisation et contrôle Côte titre : MAM/0237 En ligne : https://drive.google.com/file/d/15ZA7-1iUIr7OdtslTDrq-E6dU2Dfpk1h/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAM/0237 MAM/0237 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Implementation of a Parallel Genetic Algorithm on Hadoop MapReduce Type de document : texte imprimé Auteurs : Chikhi ,Rima, Auteur ; Nasri,Khaled, Directeur de thèse Editeur : Setif:UFA Année de publication : 2019 Importance : 1 vol (50 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Genetic algorithms
parallel genetic algorithms
Hadoop MapReduce
model, grid model, island models.Index. décimale : 004 Informatique Résumé : Genetic Algorithms (GAs) are powerful metaheuristic techniques mostly used in
many real-world applications. The sequential execution of GAs requires considerable
computational power both in time and resources.The need to improve the scalability of
Genetic Algorithms (GAs) has motivated the research on Parallel Genetic Algorithms
(PGAs), and different technologies and approaches have been used.Nevertheless, GAs
are naturally parallel and accessing a parallel platform such as Cloud is easy and cheap.
Hadoop MapReduce represents one of the most mature technologies to develop parallel
algorithms.However, using Hadoop to develop a parallel version of GAs is not simple
without facing its inner workings.
In this work we describe the design and the implementation details of a framework that
supports three different models for parallel GAs, namely the global model, the grid model
and the island modelNote de contenu : Sommaire
Abstract i
Acknowledgement ii
Dedication iii
Contents iv
List of Figures vi
General Introduction 1
1 Genetic algorithm State of Art 3
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2 Genetic Algorithms (GAs) . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1 Methodology Used In Genetic Algorithm . . . . . . . . . . . . . 5
2.2 Sequential Genetic Algorithm (SGA) . . . . . . . . . . . . . . . 6
3 Parallel Processing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.1 PGA for the Global Model . . . . . . . . . . . . . . . . . . . . . 8
3.2 PGA for the Grid Model . . . . . . . . . . . . . . . . . . . . . . 9
3.3 PGA for the Island Model . . . . . . . . . . . . . . . . . . . . . 10
4 Hadoop MapReduce . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4.1 Introduction of Hadoop . . . . . . . . . . . . . . . . . . . . . . . 11
4.2 Advantages of Hadoop: . . . . . . . . . . . . . . . . . . . . . . . 11
4.3 Architecture of Hadoop . . . . . . . . . . . . . . . . . . . . . . . 12
4.4 HDFS(Hadoop Distributed File System): . . . . . . . . . . . . . 13
5 MapReduce . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
5.1 The Algorithms of MapReduce: . . . . . . . . . . . . . . . . . . 15
5.2 Terminology . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
6 Maven Technology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
iv
7 Related Work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2 implementation of parallel genetic algorithm in hadoop ecosystem 21
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2 Set up of Environments Configuration . . . . . . . . . . . . . . . . . . . 21
3 Implementation Environment . . . . . . . . . . . . . . . . . . . . . . . . 21
3.1 VMware Workstation . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2 Hadoop 2.7.6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3 Installation And Configuration of Hadoop: . . . . . . . . . . . . 23
4 Apache Maven Installation . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.1 Prerequisites . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
5 Elephant56 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
5.1 Architecture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
5.2 Core Level . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
5.2.1 Core.common . . . . . . . . . . . . . . . . . . . . . . 31
5.2.2 Core.input . . . . . . . . . . . . . . . . . . . . . . . . 32
5.2.3 Core.output . . . . . . . . . . . . . . . . . . . . . . . 32
5.2.4 Core.generator . . . . . . . . . . . . . . . . . . . . . . 32
5.2.5 Core.reporter . . . . . . . . . . . . . . . . . . . . . . . 33
5.3 User Level . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
6 Implementation of ’oneMax’ problem . . . . . . . . . . . . . . . . . . . 35
6.1 Individual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
6.2 Fitness value . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
6.3 Fitness Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . 36
6.4 Initialization . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
6.5 Crossover . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
6.6 Mutation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
6.7 Execution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
General Conclusion 41
Bibliography 42
v
List of Figures
1.1 Objectif Function [1] . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 working mechanism of genetic algorithms[7] . . . . . . . . . . . . . . . 4
1.3 The execution of a Genetic Algorithm[1] . . . . . . . . . . . . . . . . . . 6
1.4 psaudo code[2] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5 The workflow for the global model[5] . . . . . . . . . . . . . . . . . . . 9
1.6 The workflow for the grid model[5] . . . . . . . . . . . . . . . . . . . . 9
1.7 The workflow for the grid model[5] . . . . . . . . . . . . . . . . . . . . 10
1.8 Hadoop Architecture[7] . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.9 HDFS Architecture[7] . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.10 Operation phases in Map/Reduce programming model[6] . . . . . . . . . 14
1.11 MapReduce framework . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.12 Input and Output of MapReduce[7] . . . . . . . . . . . . . . . . . . . . . 15
1.13 Apache Maven . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.14 Comparison of two models of parallel GA from scalability aspect; option
1 – All nodes uses same population; option 2 – each node has its own
population[6] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.15 Architecture of MRPGA[10] . . . . . . . . . . . . . . . . . . . . . . . . 19
1.16 Architectur of the proposed PGA[11] . . . . . . . . . . . . . . . . . . . . 20
2.1 Ubuntu virtual machine in VMware Workstation software. . . . . . . . . 22
2.2 hadoop logo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3 All the daemons are running . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4 the Hadoop browser . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.5 Name node information . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.6 Hadoop cluster YARN Framework (MapReduce) . . . . . . . . . . . . . 28
2.7 Apache Maven successfully installed . . . . . . . . . . . . . . . . . . . . 30
2.8 The core package class diagram[5] . . . . . . . . . . . . . . . . . . . . . 31
2.9 The Driver class.[5] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.10 The generator package class diagram.[5] . . . . . . . . . . . . . . . . . . 32
vi
2.11 The reporter package class diagram.[5] . . . . . . . . . . . . . . . . . . . 34
2.12 The user package class diagram.[5] . . . . . . . . . . . . . . . . . . . . . 34
viiCôte titre : MAI/0319 En ligne : https://drive.google.com/file/d/1JocEjEMfHmiCcNLvEVOppxE6AC20ZeTN/view?usp=shari [...] Format de la ressource électronique : Implementation of a Parallel Genetic Algorithm on Hadoop MapReduce [texte imprimé] / Chikhi ,Rima, Auteur ; Nasri,Khaled, Directeur de thèse . - [S.l.] : Setif:UFA, 2019 . - 1 vol (50 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Genetic algorithms
parallel genetic algorithms
Hadoop MapReduce
model, grid model, island models.Index. décimale : 004 Informatique Résumé : Genetic Algorithms (GAs) are powerful metaheuristic techniques mostly used in
many real-world applications. The sequential execution of GAs requires considerable
computational power both in time and resources.The need to improve the scalability of
Genetic Algorithms (GAs) has motivated the research on Parallel Genetic Algorithms
(PGAs), and different technologies and approaches have been used.Nevertheless, GAs
are naturally parallel and accessing a parallel platform such as Cloud is easy and cheap.
Hadoop MapReduce represents one of the most mature technologies to develop parallel
algorithms.However, using Hadoop to develop a parallel version of GAs is not simple
without facing its inner workings.
In this work we describe the design and the implementation details of a framework that
supports three different models for parallel GAs, namely the global model, the grid model
and the island modelNote de contenu : Sommaire
Abstract i
Acknowledgement ii
Dedication iii
Contents iv
List of Figures vi
General Introduction 1
1 Genetic algorithm State of Art 3
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2 Genetic Algorithms (GAs) . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1 Methodology Used In Genetic Algorithm . . . . . . . . . . . . . 5
2.2 Sequential Genetic Algorithm (SGA) . . . . . . . . . . . . . . . 6
3 Parallel Processing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.1 PGA for the Global Model . . . . . . . . . . . . . . . . . . . . . 8
3.2 PGA for the Grid Model . . . . . . . . . . . . . . . . . . . . . . 9
3.3 PGA for the Island Model . . . . . . . . . . . . . . . . . . . . . 10
4 Hadoop MapReduce . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4.1 Introduction of Hadoop . . . . . . . . . . . . . . . . . . . . . . . 11
4.2 Advantages of Hadoop: . . . . . . . . . . . . . . . . . . . . . . . 11
4.3 Architecture of Hadoop . . . . . . . . . . . . . . . . . . . . . . . 12
4.4 HDFS(Hadoop Distributed File System): . . . . . . . . . . . . . 13
5 MapReduce . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
5.1 The Algorithms of MapReduce: . . . . . . . . . . . . . . . . . . 15
5.2 Terminology . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
6 Maven Technology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
iv
7 Related Work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2 implementation of parallel genetic algorithm in hadoop ecosystem 21
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2 Set up of Environments Configuration . . . . . . . . . . . . . . . . . . . 21
3 Implementation Environment . . . . . . . . . . . . . . . . . . . . . . . . 21
3.1 VMware Workstation . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2 Hadoop 2.7.6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3 Installation And Configuration of Hadoop: . . . . . . . . . . . . 23
4 Apache Maven Installation . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.1 Prerequisites . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
5 Elephant56 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
5.1 Architecture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
5.2 Core Level . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
5.2.1 Core.common . . . . . . . . . . . . . . . . . . . . . . 31
5.2.2 Core.input . . . . . . . . . . . . . . . . . . . . . . . . 32
5.2.3 Core.output . . . . . . . . . . . . . . . . . . . . . . . 32
5.2.4 Core.generator . . . . . . . . . . . . . . . . . . . . . . 32
5.2.5 Core.reporter . . . . . . . . . . . . . . . . . . . . . . . 33
5.3 User Level . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
6 Implementation of ’oneMax’ problem . . . . . . . . . . . . . . . . . . . 35
6.1 Individual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
6.2 Fitness value . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
6.3 Fitness Evaluation . . . . . . . . . . . . . . . . . . . . . . . . . 36
6.4 Initialization . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
6.5 Crossover . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
6.6 Mutation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
6.7 Execution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
General Conclusion 41
Bibliography 42
v
List of Figures
1.1 Objectif Function [1] . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 working mechanism of genetic algorithms[7] . . . . . . . . . . . . . . . 4
1.3 The execution of a Genetic Algorithm[1] . . . . . . . . . . . . . . . . . . 6
1.4 psaudo code[2] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5 The workflow for the global model[5] . . . . . . . . . . . . . . . . . . . 9
1.6 The workflow for the grid model[5] . . . . . . . . . . . . . . . . . . . . 9
1.7 The workflow for the grid model[5] . . . . . . . . . . . . . . . . . . . . 10
1.8 Hadoop Architecture[7] . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.9 HDFS Architecture[7] . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.10 Operation phases in Map/Reduce programming model[6] . . . . . . . . . 14
1.11 MapReduce framework . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.12 Input and Output of MapReduce[7] . . . . . . . . . . . . . . . . . . . . . 15
1.13 Apache Maven . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.14 Comparison of two models of parallel GA from scalability aspect; option
1 – All nodes uses same population; option 2 – each node has its own
population[6] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.15 Architecture of MRPGA[10] . . . . . . . . . . . . . . . . . . . . . . . . 19
1.16 Architectur of the proposed PGA[11] . . . . . . . . . . . . . . . . . . . . 20
2.1 Ubuntu virtual machine in VMware Workstation software. . . . . . . . . 22
2.2 hadoop logo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3 All the daemons are running . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4 the Hadoop browser . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.5 Name node information . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.6 Hadoop cluster YARN Framework (MapReduce) . . . . . . . . . . . . . 28
2.7 Apache Maven successfully installed . . . . . . . . . . . . . . . . . . . . 30
2.8 The core package class diagram[5] . . . . . . . . . . . . . . . . . . . . . 31
2.9 The Driver class.[5] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.10 The generator package class diagram.[5] . . . . . . . . . . . . . . . . . . 32
vi
2.11 The reporter package class diagram.[5] . . . . . . . . . . . . . . . . . . . 34
2.12 The user package class diagram.[5] . . . . . . . . . . . . . . . . . . . . . 34
viiCôte titre : MAI/0319 En ligne : https://drive.google.com/file/d/1JocEjEMfHmiCcNLvEVOppxE6AC20ZeTN/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0319 MAI/0319 Mémoire Bibliothéque des sciences Français Disponible
DisponibleImplémentation d'un outil d'aide aux études anthroponymiques et onomastiques / AL-Absi Suhail,Abdulaziz
![]()
Titre : Implémentation d'un outil d'aide aux études anthroponymiques et onomastiques Type de document : texte imprimé Auteurs : AL-Absi Suhail,Abdulaziz, Auteur ; Sadik Bessou, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (52 f .) Format : 29 cm Langues : Français (fre) Langues originales : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : TALN
Linguistique informatique
Anthroponymie
Onomastiques
Toponymie
langue arabeIndex. décimale : 004 Informatique Résumé : Résumé
Les chercheurs en sciences humaines en général, et en particulier les chercheurs en linguistique, anthropologie et noms géographiques, ont besoin d'outils spécifiques répondant à leurs préoccupations quotidiennes. Le thème de cette recherche est «Mettre en place un outil pour aider à étudier les noms de personnes et de régions». Le but de cette étude est de concevoir et mettre en œuvre une application pour les anthropologues, et onomasticien. L'application inclut les caractéristiques classiques des systèmes d'information et des bases de données, mais aussi des fonctionnalités qui relèvent de l'intelligence artificielle et de la linguistique computationnelle pour dériver des relations entre différentes personnes dans la base de données. Une autre caractéristique est la présentation des données sous la forme de graphiques par structure arborescente, les arbres généalogiques peuvent être trouvés avec beaucoup de données.Note de contenu :
Sommaire
Chapitre01 : Anthroponymiques et onomastiques
1. Introduction : ...................................................................................................................... 6
2. Notions fondamentaux: ...................................................................................................... 6
2.1. Le prénom : .................................................................................................................. 6
2.2. Le nom de famille : ....................................................................................................... 6
2.3. L’ethnonyme : .............................................................................................................. 7
2.5. La lexicologie : .............................................................................................................. 7
2.6. La sémantique : ............................................................................................................ 7
3. Nom propre : ....................................................................................................................... 8
4. L’onomastique : .................................................................................................................. 9
4.1. Les branches de l’onomastique : ............................................................................... 10
4.2. La Toponymie : ........................................................................................................... 11
4.3. Méthodes de l’onomastique : ................................................................................... 12
4.3.1.La première méthode est directe: ........................................................................... 12
4.3.2.La méthode indirecte des aires ou de concordance: ............................................... 12
5. Conclusion : ....................................................................................................................... 13
Chapitre02: Traitement automatique du langage naturel (TALN)
1. Introduction : .................................................................................................................... 14
2. Notions fondamentaux: .................................................................................................... 14
2.1. Linguistiques informatiques “sciences du langage’’ : ................................................ 14
2.2. Données linguistiques (ou bases d'informations textuelles) : ...................................
15 2.3. Automatique : ............................................................................................................ 15
2.4. Traitement :................................................................................................................ 15
3. Qu’est-ce que le traitement automatique du langage naturel (TALN) : .......................... 16
4. L'objectif du traitement automatique des langues naturelles : ....................................... 16
4.1. L’analyse VS La génération: ...................................................................................... 17
5. Domaine des applications du TALN : ................................................................................ 18
6. Les différents niveaux d’analyse en TALN : ...................................................................... 18
6.1. Analyse morpho-lexicale : .......................................................................................... 19
6.2. Analyse syntaxique : ................................................................................................... 20
6.3. Analyse sémantique : ................................................................................................. 21
6.4. Analyse contextuelle : ................................................................................................ 21
7. Les difficultés du TALN : ambiguïté et implicite: .............................................................. 21
7.1. Ambiguïté : ................................................................................................................. 22
7.2. Implicite : .................................................................................................................... 22
8. Base de connaissance: ...................................................................................................... 23
9. Conclusion : ....................................................................................................................... 23
Chapitre03:Conception
1. Introduction : .................................................................................................................... 24
2. Présentation de l’application : .......................................................................................... 24
2.1. Conception de la base de donné: .............................................................................. 24
2.2. Déroulement de son utilisation : ............................................................................... 25
3. Conclusion : ................................................................................................. 31
Chapitre04:Réalisation
1. Introduction : ..............................................................................
Erreur ! Signet non défini.
2. Environnement logiciel et matériel de développement : .........
2.1. Environnement du matériel : ...........................................
2.2. Environnement du logiciel : ...............................................
3. Implémentation de l’application : .................................................................................... 33
3.1. Implémentation de base de données : ...................................................................... 33
3.2. L’accueil de l’application: ........................................................................................... 33
3.3. Implémentation des arbres généalogiques : .............................................................. 38
4. Conclusion : .......................................................................................................................Côte titre : MAI/0238 En ligne : https://drive.google.com/file/d/1tnPWqojyFDa34-C2k1o-m1U-1yCzHa1Y/view?usp=shari [...] Format de la ressource électronique : Implémentation d'un outil d'aide aux études anthroponymiques et onomastiques [texte imprimé] / AL-Absi Suhail,Abdulaziz, Auteur ; Sadik Bessou, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (52 f .) ; 29 cm.
Langues : Français (fre) Langues originales : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : TALN
Linguistique informatique
Anthroponymie
Onomastiques
Toponymie
langue arabeIndex. décimale : 004 Informatique Résumé : Résumé
Les chercheurs en sciences humaines en général, et en particulier les chercheurs en linguistique, anthropologie et noms géographiques, ont besoin d'outils spécifiques répondant à leurs préoccupations quotidiennes. Le thème de cette recherche est «Mettre en place un outil pour aider à étudier les noms de personnes et de régions». Le but de cette étude est de concevoir et mettre en œuvre une application pour les anthropologues, et onomasticien. L'application inclut les caractéristiques classiques des systèmes d'information et des bases de données, mais aussi des fonctionnalités qui relèvent de l'intelligence artificielle et de la linguistique computationnelle pour dériver des relations entre différentes personnes dans la base de données. Une autre caractéristique est la présentation des données sous la forme de graphiques par structure arborescente, les arbres généalogiques peuvent être trouvés avec beaucoup de données.Note de contenu :
Sommaire
Chapitre01 : Anthroponymiques et onomastiques
1. Introduction : ...................................................................................................................... 6
2. Notions fondamentaux: ...................................................................................................... 6
2.1. Le prénom : .................................................................................................................. 6
2.2. Le nom de famille : ....................................................................................................... 6
2.3. L’ethnonyme : .............................................................................................................. 7
2.5. La lexicologie : .............................................................................................................. 7
2.6. La sémantique : ............................................................................................................ 7
3. Nom propre : ....................................................................................................................... 8
4. L’onomastique : .................................................................................................................. 9
4.1. Les branches de l’onomastique : ............................................................................... 10
4.2. La Toponymie : ........................................................................................................... 11
4.3. Méthodes de l’onomastique : ................................................................................... 12
4.3.1.La première méthode est directe: ........................................................................... 12
4.3.2.La méthode indirecte des aires ou de concordance: ............................................... 12
5. Conclusion : ....................................................................................................................... 13
Chapitre02: Traitement automatique du langage naturel (TALN)
1. Introduction : .................................................................................................................... 14
2. Notions fondamentaux: .................................................................................................... 14
2.1. Linguistiques informatiques “sciences du langage’’ : ................................................ 14
2.2. Données linguistiques (ou bases d'informations textuelles) : ...................................
15 2.3. Automatique : ............................................................................................................ 15
2.4. Traitement :................................................................................................................ 15
3. Qu’est-ce que le traitement automatique du langage naturel (TALN) : .......................... 16
4. L'objectif du traitement automatique des langues naturelles : ....................................... 16
4.1. L’analyse VS La génération: ...................................................................................... 17
5. Domaine des applications du TALN : ................................................................................ 18
6. Les différents niveaux d’analyse en TALN : ...................................................................... 18
6.1. Analyse morpho-lexicale : .......................................................................................... 19
6.2. Analyse syntaxique : ................................................................................................... 20
6.3. Analyse sémantique : ................................................................................................. 21
6.4. Analyse contextuelle : ................................................................................................ 21
7. Les difficultés du TALN : ambiguïté et implicite: .............................................................. 21
7.1. Ambiguïté : ................................................................................................................. 22
7.2. Implicite : .................................................................................................................... 22
8. Base de connaissance: ...................................................................................................... 23
9. Conclusion : ....................................................................................................................... 23
Chapitre03:Conception
1. Introduction : .................................................................................................................... 24
2. Présentation de l’application : .......................................................................................... 24
2.1. Conception de la base de donné: .............................................................................. 24
2.2. Déroulement de son utilisation : ............................................................................... 25
3. Conclusion : ................................................................................................. 31
Chapitre04:Réalisation
1. Introduction : ..............................................................................
Erreur ! Signet non défini.
2. Environnement logiciel et matériel de développement : .........
2.1. Environnement du matériel : ...........................................
2.2. Environnement du logiciel : ...............................................
3. Implémentation de l’application : .................................................................................... 33
3.1. Implémentation de base de données : ...................................................................... 33
3.2. L’accueil de l’application: ........................................................................................... 33
3.3. Implémentation des arbres généalogiques : .............................................................. 38
4. Conclusion : .......................................................................................................................Côte titre : MAI/0238 En ligne : https://drive.google.com/file/d/1tnPWqojyFDa34-C2k1o-m1U-1yCzHa1Y/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0238 MAI/0238 Mémoire Bibliothéque des sciences Français Disponible
DisponiblePermalinkImplémentation de quelques méthodes de segmentation automatique pour la reconnaissance des chiffres manuscrits / Hireche ,Hiba
![]()
PermalinkPermalinkPermalinkImportance de l’étude des effets du second ordre dans les réactions de double ionisation : Application à la molécule H?O / Roumaissa Boumaza
PermalinkPermalinkPermalinkPermalinkPermalinkPermalink