Clustering de données en utilisant les algorithmes de clustering / Bahri ,Oussama  

Public ISBD Titre : Clustering de données en utilisant les algorithmes de clustering Type de document : texte imprimé Auteurs : Bahri ,Oussama, Auteur ; Lalama ,zahia, Directeur de thèse Editeur : Setif:UFA Année de publication : 2019 Importance : 1 vol (54f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : clustering K-means DBSCAN Hierarchical Index. décimale : 004 - Informatique Résumé : Dans ce travail, notre motivation a été d’étudier la problématique de clustering, qui a un champ d’applications très larges. Donc nous avons testé des techniques de clustering l’algorithme de clustering K-means, et l’algorithme de clustering hiérarchique, et l’algorithme de clustering DBSCAN et nous appliquons sur une Dataset (iris). Nous avons utilisée dans notre travail une Language java nous comparé Les résultats obtenus à partir ces algorithmes Note de contenu : Sommaire Chapitre 1: Généralisées sur la classification de données Introduction général ----------------------------------------------------------------------------------------- 7 1.1 Introduction -------------------------------------------------------------------------------------- 10 1.2 Définition ------------------------------------------------------------------------------------------ 10 1.3 Domaines d’application ----------------------------------------------------------------------- 11 1.4 Mesure de similarité entre objets ----------------------------------------------------------- 12 1.5 Apprentissage ------------------------------------------------------------------------------------ 16 1.5.1 Apprentissage supervisé ----------------------------------------------------------------- 16 1.5.1.1 Principe --------------------------------------------------------------------------------- 17 1.6 Présentation de quelques méthodes de classification ---------------------------------- 18 1.6.1 K plus proches voisins ------------------------------------------------------------------- 18 1.6.2 Les réseaux de neurones artificiels --------------------------------------------------- 20 1.6.3 Les arbres de décision -------------------------------------------------------------------- 22 1.6.4 Les algorithmes génétiques ------------------------------------------------------------- 22 1.7 Conclusion ---------------------------------------------------------------------------------------- 24 Chapitre 2 : Classification non supervisée de données(Clustering) 2.1 Introduction -------------------------------------------------------------------------------------- 26 2.2 Apprentissage non supervisé ----------------------------------------------------------------- 26 2.2.1 Définition ------------------------------------------------------------------------------------ 26 2.2.2 Principe général --------------------------------------------------------------------------- 26 2.3 Les exigences de Clustering ------------------------------------------------------------------ 27 2.4 LES TYPES DE CLUSTERING------------------------------------------------------------ 27 2.5 Les principales étapes du clustering ------------------------------------------------------ 29 2.6 Les différentes méthodes de clustering ---------------------------------------------------- 32 2.6.1 K-means ---------------------------------------------------------------------------------------- 33 2.6.1.1 Principe de l’algorithme K-means ---------------------------------------------------- 33 2.6.2 Le clustering hiérarchique ----------------------------------------------------------------- 35 2.6.2.1 Algorithme de CHA --------------------------------------------------------------------- 35 2.6.2.2 Avantages et inconvénient de la classification hiérarchique -------------------- 36 2.6.3 L’algorithme de clustering DBSCAN --------------------------------------------------- 37 2.6.4 L’Algorithme DBSCAN ----------------------------------------------------------------- 38 2.6.4.1 Avantage et inconvénients du DBSCAN ----------------------------------------- 39 2.7 Conclusion ---------------------------------------------------------------------------------------- 40 Chapitre 3 : conception et implémentation 3.1 Introduction -------------------------------------------------------------------------------------- 42 3.1 Comparaison entre les algorithmes de clustering ------------------------------------- 43 3.2 Les données --------------------------------------------------------------------------------------- 44 3.3 Outils de développement: ------------------------------------------------------------------------ 45 3.4 Interface d’accueille ---------------------------------------------------------------------------- 46 3.5 Résulta et Expérimentation Interface d’accueille-------------------------------------- 46 3.6 Conclusion ---------------------------------------------------------------------------------------- 50 7 Conclusion générale et perspectives ----------------------------------------------------------------- 52 4 Résumé -------------------------------------------------------------------------------------------------- 53 Bibliographies ----------------------------------------------------------------------------------------------- 54 Côte titre : MAI/0337 En ligne : https://drive.google.com/file/d/1jGKPjPmeCupwGOTJsaVM8rEVb4IN1Ifn/view?usp=shari [...] Format de la ressource électronique : pdf Clustering de données en utilisant les algorithmes de clustering [texte imprimé] / Bahri ,Oussama, Auteur ; Lalama ,zahia, Directeur de thèse . - [S.l.] : Setif:UFA, 2019 . - 1 vol (54f .) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : clustering K-means DBSCAN Hierarchical Index. décimale : 004 - Informatique Résumé : Dans ce travail, notre motivation a été d’étudier la problématique de clustering, qui a un champ d’applications très larges. Donc nous avons testé des techniques de clustering l’algorithme de clustering K-means, et l’algorithme de clustering hiérarchique, et l’algorithme de clustering DBSCAN et nous appliquons sur une Dataset (iris). Nous avons utilisée dans notre travail une Language java nous comparé Les résultats obtenus à partir ces algorithmes Note de contenu : Sommaire Chapitre 1: Généralisées sur la classification de données Introduction général ----------------------------------------------------------------------------------------- 7 1.1 Introduction -------------------------------------------------------------------------------------- 10 1.2 Définition ------------------------------------------------------------------------------------------ 10 1.3 Domaines d’application ----------------------------------------------------------------------- 11 1.4 Mesure de similarité entre objets ----------------------------------------------------------- 12 1.5 Apprentissage ------------------------------------------------------------------------------------ 16 1.5.1 Apprentissage supervisé ----------------------------------------------------------------- 16 1.5.1.1 Principe --------------------------------------------------------------------------------- 17 1.6 Présentation de quelques méthodes de classification ---------------------------------- 18 1.6.1 K plus proches voisins ------------------------------------------------------------------- 18 1.6.2 Les réseaux de neurones artificiels --------------------------------------------------- 20 1.6.3 Les arbres de décision -------------------------------------------------------------------- 22 1.6.4 Les algorithmes génétiques ------------------------------------------------------------- 22 1.7 Conclusion ---------------------------------------------------------------------------------------- 24 Chapitre 2 : Classification non supervisée de données(Clustering) 2.1 Introduction -------------------------------------------------------------------------------------- 26 2.2 Apprentissage non supervisé ----------------------------------------------------------------- 26 2.2.1 Définition ------------------------------------------------------------------------------------ 26 2.2.2 Principe général --------------------------------------------------------------------------- 26 2.3 Les exigences de Clustering ------------------------------------------------------------------ 27 2.4 LES TYPES DE CLUSTERING------------------------------------------------------------ 27 2.5 Les principales étapes du clustering ------------------------------------------------------ 29 2.6 Les différentes méthodes de clustering ---------------------------------------------------- 32 2.6.1 K-means ---------------------------------------------------------------------------------------- 33 2.6.1.1 Principe de l’algorithme K-means ---------------------------------------------------- 33 2.6.2 Le clustering hiérarchique ----------------------------------------------------------------- 35 2.6.2.1 Algorithme de CHA --------------------------------------------------------------------- 35 2.6.2.2 Avantages et inconvénient de la classification hiérarchique -------------------- 36 2.6.3 L’algorithme de clustering DBSCAN --------------------------------------------------- 37 2.6.4 L’Algorithme DBSCAN ----------------------------------------------------------------- 38 2.6.4.1 Avantage et inconvénients du DBSCAN ----------------------------------------- 39 2.7 Conclusion ---------------------------------------------------------------------------------------- 40 Chapitre 3 : conception et implémentation 3.1 Introduction -------------------------------------------------------------------------------------- 42 3.1 Comparaison entre les algorithmes de clustering ------------------------------------- 43 3.2 Les données --------------------------------------------------------------------------------------- 44 3.3 Outils de développement: ------------------------------------------------------------------------ 45 3.4 Interface d’accueille ---------------------------------------------------------------------------- 46 3.5 Résulta et Expérimentation Interface d’accueille-------------------------------------- 46 3.6 Conclusion ---------------------------------------------------------------------------------------- 50 7 Conclusion générale et perspectives ----------------------------------------------------------------- 52 4 Résumé -------------------------------------------------------------------------------------------------- 53 Bibliographies ----------------------------------------------------------------------------------------------- 54 Côte titre : MAI/0337 En ligne : https://drive.google.com/file/d/1jGKPjPmeCupwGOTJsaVM8rEVb4IN1Ifn/view?usp=shari [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0337	MAI/0337	Mémoire	Bibliothéque des sciences	Français	Disponible Disponible

---

1 (1 - 1 / 1)