University Sétif 1 FERHAT ABBAS Faculty of Sciences
Catégories
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
Online Virtual Experimentation in Educational Facilities: Development of a Cross-Platform application. / Sanaa Ardjane
![]()
Titre : Online Virtual Experimentation in Educational Facilities: Development of a Cross-Platform application. Type de document : texte imprimé Auteurs : Sanaa Ardjane, Auteur ; Toumi,Lyazid, Directeur de thèse Editeur : Sétif:UFS Année de publication : 2023 Importance : 1 vol (98 f.) Format : 29 cm Langues : Anglais (eng) Catégories : Thèses & Mémoires:Informatique Mots-clés : Apprentissage à distance
Plateforme e-learning
Pile MERN
Apprentissage interactif
Technologies avancées
Fermetures COVID-19
Laboratoire virtuelIndex. décimale : 004 - Informatique Résumé : Avec plus de 1,3 milliard d’apprenants dans l’impossibilité de fréquenter les écoles et
les universités en raison des fermetures liées à la COVID-19 en mars 2020 [9]
2
, la pandémie
a exposé des lacunes critiques dans l’éducation traditionnelle en classe.Les confinements
et l’apprentissage à distance ont créé des obstacles à un enseignement et un apprentissage
pratique efficaces.
Cette thèse propose une plateforme éducative en ligne construite avec la pile MERN
(MongoDB, ExpressJs, ReactJs, NodeJs) ainsi que des technologies avancées améliorant
l’expérience d’apprentissage et transformant celui-ci à tout âge et dans toutes les matières.
La plateforme interactive fournira des leçons multimédias engageantes, comprenant supports écrits, vidéos, animations et présentations. Pour promouvoir l’apprentissage actif,
la plateforme se dotera d’un système de recommandation filtrant les contenus selon les
besoins des utilisateurs et s’intégrera dans un premier temps à des plateformes de laboratoires virtuels tierces comme Labster et LabinApp, avec des plans pour développer des
simulations de laboratoire personnalisées en utilisant des bibliothèques de graphisme 3D
interactives comme Three.Js. Les cours à distance pourront être enregistrés ou dispensés
en direct via les API Zoom/Google Meet, avec des plans pour une salle de classe en
direct personnalisée. En combinant théorie et pratique, cette plateforme favorisera curiosité, esprit critique et mémorisation. L’objectif est de susciter la passion d’apprendre
et d’accélérer la transition vers un système éducatif plus innovant et équitable = With over 1.3 billion learners worldwide unable to attend schools and universities
due to COVID-19 closures as of March 2020 [9]
1
, the pandemic exposed critical gaps
in traditional classroom education. Lockdowns and remote learning created barriers to
effective teaching and hands-on learning.
This thesis proposes an online educational platform built with MERN stack (MongoDB, ExpressJs, ReactJs, NodeJs) in conjunction with advanced technologies that enhance the learning experience and transform learning across all ages and subjects. The
interactive platform will provide engaging multimedia lessons, including written materials, videos, animations, and slide decks. To promote active learning, the platform is
to come up with a recommendation system that filters content based on user needs and
initially integrates with third-party virtual lab platforms like Labster and LabinApp,
with plans to develop customized lab simulations using interactive 3D graphics libraries
like Three.Js. Remote lessons can be recorded or conducted live using Zoom/Google
Meet APIs, with plans for a custom-built live classroom. This platform promotes curiosity, critical thinking, and knowledge retention by integrating theoretical and applied
learning. The goal is to spark students’ passion for learning and accelerate the transition
to a more innovative and equitable educational system.
Côte titre : MAI/0816
En ligne : https://drive.google.com/file/d/1dYXAM9YxNLSrLWIZGqxj4Mv0hIP7e4Bq/view?usp=drive [...] Format de la ressource électronique : Online Virtual Experimentation in Educational Facilities: Development of a Cross-Platform application. [texte imprimé] / Sanaa Ardjane, Auteur ; Toumi,Lyazid, Directeur de thèse . - [S.l.] : Sétif:UFS, 2023 . - 1 vol (98 f.) ; 29 cm.
Langues : Anglais (eng)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Apprentissage à distance
Plateforme e-learning
Pile MERN
Apprentissage interactif
Technologies avancées
Fermetures COVID-19
Laboratoire virtuelIndex. décimale : 004 - Informatique Résumé : Avec plus de 1,3 milliard d’apprenants dans l’impossibilité de fréquenter les écoles et
les universités en raison des fermetures liées à la COVID-19 en mars 2020 [9]
2
, la pandémie
a exposé des lacunes critiques dans l’éducation traditionnelle en classe.Les confinements
et l’apprentissage à distance ont créé des obstacles à un enseignement et un apprentissage
pratique efficaces.
Cette thèse propose une plateforme éducative en ligne construite avec la pile MERN
(MongoDB, ExpressJs, ReactJs, NodeJs) ainsi que des technologies avancées améliorant
l’expérience d’apprentissage et transformant celui-ci à tout âge et dans toutes les matières.
La plateforme interactive fournira des leçons multimédias engageantes, comprenant supports écrits, vidéos, animations et présentations. Pour promouvoir l’apprentissage actif,
la plateforme se dotera d’un système de recommandation filtrant les contenus selon les
besoins des utilisateurs et s’intégrera dans un premier temps à des plateformes de laboratoires virtuels tierces comme Labster et LabinApp, avec des plans pour développer des
simulations de laboratoire personnalisées en utilisant des bibliothèques de graphisme 3D
interactives comme Three.Js. Les cours à distance pourront être enregistrés ou dispensés
en direct via les API Zoom/Google Meet, avec des plans pour une salle de classe en
direct personnalisée. En combinant théorie et pratique, cette plateforme favorisera curiosité, esprit critique et mémorisation. L’objectif est de susciter la passion d’apprendre
et d’accélérer la transition vers un système éducatif plus innovant et équitable = With over 1.3 billion learners worldwide unable to attend schools and universities
due to COVID-19 closures as of March 2020 [9]
1
, the pandemic exposed critical gaps
in traditional classroom education. Lockdowns and remote learning created barriers to
effective teaching and hands-on learning.
This thesis proposes an online educational platform built with MERN stack (MongoDB, ExpressJs, ReactJs, NodeJs) in conjunction with advanced technologies that enhance the learning experience and transform learning across all ages and subjects. The
interactive platform will provide engaging multimedia lessons, including written materials, videos, animations, and slide decks. To promote active learning, the platform is
to come up with a recommendation system that filters content based on user needs and
initially integrates with third-party virtual lab platforms like Labster and LabinApp,
with plans to develop customized lab simulations using interactive 3D graphics libraries
like Three.Js. Remote lessons can be recorded or conducted live using Zoom/Google
Meet APIs, with plans for a custom-built live classroom. This platform promotes curiosity, critical thinking, and knowledge retention by integrating theoretical and applied
learning. The goal is to spark students’ passion for learning and accelerate the transition
to a more innovative and equitable educational system.
Côte titre : MAI/0816
En ligne : https://drive.google.com/file/d/1dYXAM9YxNLSrLWIZGqxj4Mv0hIP7e4Bq/view?usp=drive [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0816 MAI/0816 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible
Titre : Ontologie du domaine pour l'annotation sémantique en auriculothérapie Type de document : texte imprimé Auteurs : Senator,aboubaker ; KHENTOUT,C, Directeur de thèse Editeur : Setif:UFA Année de publication : 2016 Importance : 1 vol (68f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Réseaux
Systèmes Distribués
Immunologie
ontologie
OWL
inférenceIndex. décimale : 004 Informatique Résumé :
Résumé
L’intégration des ontologies dans le domaine médicale peut apporter une contribution primordiale dans la réutilisation des ressources médicale ou dans l’échange d’informations. Dans ce mémoire nous nous sommes intéressées à créer une ontologie d’immunologie et une interface qui offre aux utilisateurs la possibilité de dériver les ascendants et les descendants de chaque concept de l’ontologie et même sa profondeur, tout en se basant sur une ontologie du domaine.
Note de contenu :
Table des matières
Remerciements
Table des matières
Liste des figures
Liste des tableaux
Introduction générale
Problématique
Partie -01- L’État de l’art
Chapitre 01 : Ingénierie Ontologique : Concepts, méthodes et évaluation
1. Introduction ………………………………………………………………………… 01
2. Notions du terme Ontologie ……………………………………...………………… 02
2.1. Ontologies en Ingénierie des connaissances …………………………………… 02
2.2. Origine de l’ontologie ……...………………………………...………………… 02
2.3. Définitions de l’Ontologie …………………………………...………………… 03
2.4. Que représente-t-on dans une ontologie ? ……………………………………… 04
3. Objectifs de l’ontologie ……………………………………...…………...……...…… 04
4. Cycle de vie d’une ontologie …………………………………...…………...…..…… 05
5. Composants d’ontologie ……………………………………...………………..…… 06
6. Types d’ontologie ……………………………………...…………………………… 07
7. Classification des ontologies ………………………………...……...……………… 08
7.1. Selon l’objet de la conceptualisation …………………………………………… 08
7.2. Selon le niveau de granularité (détail) ……………………………..…………… 08
7.3. Selon le niveau de formalisation de la représentation ……………..…………… 08
7.4. Selon le niveau de la représentation des connaissances …………...…………… 08
7.5. Selon l’information dont l’ontologie a besoin et la richesse de sa structure …… 09
8. Construction de l’ontologie ………………………………………………………… 09
8.1. Critères de construction ………………………………………………………… 09
8.2. Formalismes de représentation …………………………….…………………… 10
8.3. Méthodes d’ingénierie ontologique ……………………………………..……… 11
8.4. Etapes suivis lors de la construction d’une ontologie …………………..……… 11
9. Applications des ontologies ………………………………………………………… 12
10. Evaluation de l’ontologie ………………………………………..………………… 12
11. Validation de l’ontologie ……………………………………………...…………… 13
12. Conclusion …………………………………………………………………….…… 13
Chapitre 02 : Outils et langages de construction d’Ontologies
1. Introduction ………………………………………………………………………… 14
2. Les ontologies et les systèmes à bases de connaissances …………………………… 14
3. Les ontologies et le web sémantique ……………………...………………………… 15
4. Outils de construction des ontologies ……………..………………………………… 15
4.1. Éditeurs d’ontologies ……………………………………….…………………… 15
4.2. Langages informatiques de construction et de manipulation des ontologies …… 17
4.3. Outils d’aide à la construction d’ontologique : A partir des textes …………...… 22
5. Conclusion ……………………………………………………………………….…… 23
Chapitre 03 : Conception de l’Ontologie " Auriculothérapie "
1. Introduction ………………………………………………………………………..… 24
2. Historique d’auriculothérapie …………………………………………………….… 24
3. Définition de l’auriculothérapie …………………………………………………..… 25
4. Place de l’auriculothérapie dans la médecine ……………………………………… 25
5. L’impact social de l’auriculothérapie …………………………………………….… 26
5.1. Tolérance ………………………………………………………..……………… 26
5.2. Coût ……………………………………………………………………..……… 26
5.3. Efficacité ………………………………………….……………….…………… 26
6. Emploi et Domaines de prédilection de l’auriculothérapie………...……………… 26
6.1. Indications de l'auriculothérapie …………………………………………...…… 27
6.2. Contre-indications de l'auriculothérapie …………………………………...…… 27
7. Cartographies d’oreille ……………………………………………………………… 28
7.1. Morphologie de l’oreille et nomenclature ……………………………………… 29
7.2. Classification des points de l’oreille en auriculothérapie ………………….…… 29
7.3. Classification des points de l’oreille selon les zones de l’oreille ………….…… 31
7.4. Classification des organes du corps …………………………………………..… 32
7.5. Relation entre le point de l’organe et la zone décrite ……………...…………… 35
7.6. Relation entre les organes du corps et les points de l’oreille …..……….……… 35
7.7. Classification des organes du corps selon les points de l'oreille ……………..… 36
8. Anatomie de surface, embryologie et innervation de l’auricule humaine ……… 38
8.1. Anatomie de surface ………………………………………………………….… 38
8.2. Embryologie de l’auricule ……………………………………………………… 39
9. Principales données scientifiques pouvant expliquer l’auriculothérapie ………… 40
9.1. La neuro-anatomie de l’oreille ………………………………………….……… 40
9.2. La neurophysiologie ……………………………………………………….…… 41
10. Diagnostic en auriculothérapie ……………………………………...……………… 41
10.1. L'oreille, point stratégique ……………………………………………....……… 41
10.2. Particularités du « point d’oreille » ……………………………..……………… 42
10.3. Classification des indications thérapeutiques ………………………………..… 42
10.4. Classification des indications thérapeutique selon les points de l'oreille ….....… 42
10.5. Outils de l'auriculothérapie ......................................................…... 44
10.6. Classification les catégories des malades ………………………….………...… 44
10.7. Principes et processus de détection ………………………………..…………… 44
11. Technique de soins utilisés ……………………………………………………...…… 46
11.1. Techniques selon les indications thérapeutiques ………………..……………… 46
11.2. Spécification des relations sémantiques …………………………...…………… 46
11.3. Spécification des propriétés ……………………..……………………………… 47
12. Conclusion …………………………………………………………………………… 47
Partie -02- Contribution
Chapitre 04 : Aspect technique, Implémentation et réalisation
1. Introduction ………………………………………………………………………… 48
2. Présentation de l’ontologie " AuriculOnto " …………………….………………… 48
3. Construction de l'ontologie " AuriculOnto " …………………….………………… 54
3.1. Aspect technique d’implémentation …………………………….……………… 54
3.1.1. Choix de l’éditeur d’ontologies ………………………...……………… 54
3.1.2. Choix de langage ……………………………………………….……… 55
3.2. Edition de l’ontologie " AuriculOnto " ………………………………………… 55
3.2.1. Téléchargement et installation ……………………………………….… 55
3.2.2. Etapes suivies lors de développement ………………………………… 55
3.3. Implémentation de l’ontologie ……………………………………………….… 63
3.4. Scénarios d’exécution ………………………………………………………...… 66
4. Conclusion ………………………………………………………………….………… 68
Conclusion générale
Référence bibliographiques
Côte titre : MAI/0118 Ontologie du domaine pour l'annotation sémantique en auriculothérapie [texte imprimé] / Senator,aboubaker ; KHENTOUT,C, Directeur de thèse . - [S.l.] : Setif:UFA, 2016 . - 1 vol (68f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Réseaux
Systèmes Distribués
Immunologie
ontologie
OWL
inférenceIndex. décimale : 004 Informatique Résumé :
Résumé
L’intégration des ontologies dans le domaine médicale peut apporter une contribution primordiale dans la réutilisation des ressources médicale ou dans l’échange d’informations. Dans ce mémoire nous nous sommes intéressées à créer une ontologie d’immunologie et une interface qui offre aux utilisateurs la possibilité de dériver les ascendants et les descendants de chaque concept de l’ontologie et même sa profondeur, tout en se basant sur une ontologie du domaine.
Note de contenu :
Table des matières
Remerciements
Table des matières
Liste des figures
Liste des tableaux
Introduction générale
Problématique
Partie -01- L’État de l’art
Chapitre 01 : Ingénierie Ontologique : Concepts, méthodes et évaluation
1. Introduction ………………………………………………………………………… 01
2. Notions du terme Ontologie ……………………………………...………………… 02
2.1. Ontologies en Ingénierie des connaissances …………………………………… 02
2.2. Origine de l’ontologie ……...………………………………...………………… 02
2.3. Définitions de l’Ontologie …………………………………...………………… 03
2.4. Que représente-t-on dans une ontologie ? ……………………………………… 04
3. Objectifs de l’ontologie ……………………………………...…………...……...…… 04
4. Cycle de vie d’une ontologie …………………………………...…………...…..…… 05
5. Composants d’ontologie ……………………………………...………………..…… 06
6. Types d’ontologie ……………………………………...…………………………… 07
7. Classification des ontologies ………………………………...……...……………… 08
7.1. Selon l’objet de la conceptualisation …………………………………………… 08
7.2. Selon le niveau de granularité (détail) ……………………………..…………… 08
7.3. Selon le niveau de formalisation de la représentation ……………..…………… 08
7.4. Selon le niveau de la représentation des connaissances …………...…………… 08
7.5. Selon l’information dont l’ontologie a besoin et la richesse de sa structure …… 09
8. Construction de l’ontologie ………………………………………………………… 09
8.1. Critères de construction ………………………………………………………… 09
8.2. Formalismes de représentation …………………………….…………………… 10
8.3. Méthodes d’ingénierie ontologique ……………………………………..……… 11
8.4. Etapes suivis lors de la construction d’une ontologie …………………..……… 11
9. Applications des ontologies ………………………………………………………… 12
10. Evaluation de l’ontologie ………………………………………..………………… 12
11. Validation de l’ontologie ……………………………………………...…………… 13
12. Conclusion …………………………………………………………………….…… 13
Chapitre 02 : Outils et langages de construction d’Ontologies
1. Introduction ………………………………………………………………………… 14
2. Les ontologies et les systèmes à bases de connaissances …………………………… 14
3. Les ontologies et le web sémantique ……………………...………………………… 15
4. Outils de construction des ontologies ……………..………………………………… 15
4.1. Éditeurs d’ontologies ……………………………………….…………………… 15
4.2. Langages informatiques de construction et de manipulation des ontologies …… 17
4.3. Outils d’aide à la construction d’ontologique : A partir des textes …………...… 22
5. Conclusion ……………………………………………………………………….…… 23
Chapitre 03 : Conception de l’Ontologie " Auriculothérapie "
1. Introduction ………………………………………………………………………..… 24
2. Historique d’auriculothérapie …………………………………………………….… 24
3. Définition de l’auriculothérapie …………………………………………………..… 25
4. Place de l’auriculothérapie dans la médecine ……………………………………… 25
5. L’impact social de l’auriculothérapie …………………………………………….… 26
5.1. Tolérance ………………………………………………………..……………… 26
5.2. Coût ……………………………………………………………………..……… 26
5.3. Efficacité ………………………………………….……………….…………… 26
6. Emploi et Domaines de prédilection de l’auriculothérapie………...……………… 26
6.1. Indications de l'auriculothérapie …………………………………………...…… 27
6.2. Contre-indications de l'auriculothérapie …………………………………...…… 27
7. Cartographies d’oreille ……………………………………………………………… 28
7.1. Morphologie de l’oreille et nomenclature ……………………………………… 29
7.2. Classification des points de l’oreille en auriculothérapie ………………….…… 29
7.3. Classification des points de l’oreille selon les zones de l’oreille ………….…… 31
7.4. Classification des organes du corps …………………………………………..… 32
7.5. Relation entre le point de l’organe et la zone décrite ……………...…………… 35
7.6. Relation entre les organes du corps et les points de l’oreille …..……….……… 35
7.7. Classification des organes du corps selon les points de l'oreille ……………..… 36
8. Anatomie de surface, embryologie et innervation de l’auricule humaine ……… 38
8.1. Anatomie de surface ………………………………………………………….… 38
8.2. Embryologie de l’auricule ……………………………………………………… 39
9. Principales données scientifiques pouvant expliquer l’auriculothérapie ………… 40
9.1. La neuro-anatomie de l’oreille ………………………………………….……… 40
9.2. La neurophysiologie ……………………………………………………….…… 41
10. Diagnostic en auriculothérapie ……………………………………...……………… 41
10.1. L'oreille, point stratégique ……………………………………………....……… 41
10.2. Particularités du « point d’oreille » ……………………………..……………… 42
10.3. Classification des indications thérapeutiques ………………………………..… 42
10.4. Classification des indications thérapeutique selon les points de l'oreille ….....… 42
10.5. Outils de l'auriculothérapie ......................................................…... 44
10.6. Classification les catégories des malades ………………………….………...… 44
10.7. Principes et processus de détection ………………………………..…………… 44
11. Technique de soins utilisés ……………………………………………………...…… 46
11.1. Techniques selon les indications thérapeutiques ………………..……………… 46
11.2. Spécification des relations sémantiques …………………………...…………… 46
11.3. Spécification des propriétés ……………………..……………………………… 47
12. Conclusion …………………………………………………………………………… 47
Partie -02- Contribution
Chapitre 04 : Aspect technique, Implémentation et réalisation
1. Introduction ………………………………………………………………………… 48
2. Présentation de l’ontologie " AuriculOnto " …………………….………………… 48
3. Construction de l'ontologie " AuriculOnto " …………………….………………… 54
3.1. Aspect technique d’implémentation …………………………….……………… 54
3.1.1. Choix de l’éditeur d’ontologies ………………………...……………… 54
3.1.2. Choix de langage ……………………………………………….……… 55
3.2. Edition de l’ontologie " AuriculOnto " ………………………………………… 55
3.2.1. Téléchargement et installation ……………………………………….… 55
3.2.2. Etapes suivies lors de développement ………………………………… 55
3.3. Implémentation de l’ontologie ……………………………………………….… 63
3.4. Scénarios d’exécution ………………………………………………………...… 66
4. Conclusion ………………………………………………………………….………… 68
Conclusion générale
Référence bibliographiques
Côte titre : MAI/0118 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0118 MAI/0118 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Ontology matching algorithms Type de document : texte imprimé Auteurs : BRAHMA, Bochra ; ALLAOUI,REFOUFI, Directeur de thèse Année de publication : 2015 Importance : 1 vol (71f.) Format : 29 cm Langues : Anglais (eng) Catégories : Informatique
Thèses & Mémoires:InformatiqueMots-clés : Ontologie, mesure de similarité, alignement, connaissances hétérogènes. Index. décimale : 004 Informatique Résumé :
Résumé
alignement des ontologies est le processus qui vise à rendre diverses sources de connaissances interopérables. Ce processus est vital dans les applications du web sémantique. La conception d’algorithmes d’alignement (mapping, matching) constitue un domaine de recherche assez récent. Manuellement la détermination des termes sémantiquement proches dans différentes ontologies est un processus laborieux et source d’erreurs. La génération automatique des correspondances entre deux ontologies est extrêmement délicate. Cette difficulté résulte des divergences conceptuelles émanent de plusieurs communautés de développements.
Notre but dans ce mémoire est de proposer un algorithme d’alignement de deux ontologies relatives au même domaine basé sur différentes techniques (terminologique, linguistique) avec l’utilisation thesaurus tel que WordNet comme ressource complémentaire ainsi que l’introduction d’une nouvelle mesure structurelle issue de travaux connexes et enfin on utilise une stratégie d’agrégation pour combiner les déférentes techniques de similarités pour un résultat plus fiable et plus efficace.
Note de contenu : Table des matières
RESUME .................................................................................................................. I
LISTE DES TABLES ................................................................................................... II
TABLE DES FIGURES .................................................................................................... III
INTRODUCTION GENERALE ........................................................................................... V
CHAPITRE 1: FONDEMENT DES ONTOLOGIES
1. ONTOLOGIES ........................................................................................................ 1
1.1. LES ENTITES DE L’ONTOLOGIE ................................................................................ 2
1.2. LES DIFFERENTS TYPES D’ONTOLOGIES .......................................................................... 3
1.2.1. Selon le degré de formalisme ............................................................................ 4
1.2.1.1. Les ontologies hautement informelles ........................................................................... 4
1.2.1.2. Les ontologies semi informelles ................................................................................... 4
1.2.1.3. Les ontologies semi formelles ............................................................................. 4
1.2.1.4. Les ontologies rigoureusement formelles ........................................................................ 4
1.2.2. Selon les objets modélisés ........................................................................ 4
1.2.2.1. Les ontologies supérieures ................................................................. 5
1.2.2.2. Les ontologies de domaine ............................................................... 5
1.2.2.3. Les ontologies de tâche ..................................................................... 5
1.2.2.4. Les ontologies d’application ............................................................. 5
1.2.2.5. Ontologies de représentation................................................................................ 6
1.2.2.6. Les ontologies de raisonnement ............................................................ 6
1.2.3. Selon la granularité ......................................................................... 6
1.2.3.1. Granularité fine ........................................................................... 6
1.2.3.2. Granularité large ................................................................................. 6
1.2.4. Les ontologies au sein de représentations des connaissances .................................................... 7
1.2.4.1. Les hiérarchies Is-a formelles .............................................................. 8
1.2.4.2. Les instances formelles ............................................................ 8
1.2.4.3. Les cadres ................................................................................. 8
1.2.4.4. Les restrictions de valeur .................................................................. 8
1.2.4.5. Les contraintes de logique générale ................................................................... 8
1.3. LANGAGES DE REPRESENTATION ....................................................................... 9
1.3.1. eXtended Markup Language et XML Schema ........................................................ 9
1.3.2. RDF ............................................................................. 9
1.3.3. RDFS ........................................................................... 10
1.3.4. DAML + OIL ................................................................... 10
1.3.5. OWL ........................................................................... 11
OWL Lite ....................................................................................... 11
OWL DL ............................................................................
OWL Full ................................................................................... 12
1.4. L’INTEROPERABILITE ......................................................................... 12
1.5. HETEROGENEITE ............................................................................... 13
1.5.1. Hétérogénéité syntaxique ........................................................................... 13
1.5.2. Le niveau terminologique ......................................................................... 13
1.5.3. Hétérogénéité conceptuelle .......................................................................... 14
1.5.4. Le niveau sémiotique ............................................................................... 14
CONCLUSION ........................................................................................... 15
CHAPITRE 2: ETAT DE L'ART SUR L'ALIGNEMENT DE L'ONTOLOGIE
1. ALIGNEMENT, TERMINOLOGIES .............................................................................. 16
1.1. APPLICATIONS ........................................................................................ 17
1.1.1. L’ingénierie ontologique ............................................................................... 17
La construction d’ontologies ............................................................................. 17
L’évolution des ontologies .............................................................................. 18
1.1.2. L’intégration d’information .................................................................................. 19
1.1.3. Le Partage des informations dans les systèmes pair-à-pair (P2P) ..................................... 19
1.1.4. La Composition des services web ......................................................................... 20
1.2. DIMENSIONS D’ALIGNEMENT ............................................................................. 21
1.2.1. L’input ................................................................................................ 21
1.2.2. Le processus d’alignement ................................................................. 21
1.2.3. L’output ............................................................................... 22
La multiplicité ........................................................................................... 22
Le niveau de l’alignement .................................................................................... 23
Le format de l’output .......................................................................................... 23
2. TECHNIQUES DE BASE D'ALIGNEMENT D'ONTOLOGIES ................................................................... 24
2.1. LES METHODES TERMINOLOGIQUES ............................................................................ 26
2.1.1. Méthodes syntaxiques ................................................................................................. 26
a) Les méthodes basées sur des chaînes de caractères ..................................................................... 27
b) Les distances basées sur des tokens ................................................................................. 28
2.1.2. Les méthodes linguistiques .................................................................................... 30
2.1.2.1. Les méthodes intrinsèques ...................................................................................... 30
2.1.2.2. Les méthodes extrinsèques ................................................................................... 31
2.2. METHODES STRUCTURELLES ........................................................................................... 31
2.2.1. Méthodes structurelles internes ...................................................................................... 31
2.2.2. Les méthodes structurelles externes .............................................................................. 32
2.3. METHODES EXTENSIONNELLES.............................................................................................. 33
2.4. LES METHODES SEMANTIQUES ...................................................................................................... 33
2.4.1. Approche qui repose sur les modèles de la logique .................................................................... 33
2.4.2. Approche qui regroupe les méthodes de déduction.................................................................... 34
3. TRAVAUX CONNEXES ................................................................................................................ 34
ANCHOR-PROMPT ......................................................................................................... 34
OLA ............................................................................................. 35
ASCO ........................................................................................................ 35
GLUE ............................................................................................................. 36
XMAP++ ............................................................................................................ 37
CONCLUSION ............................................................................................... 39
CHAPITRE 3: CONCEPTION
1. ARCHITECTURE DE NOTRE SYSTEME .................................................................................. 40
1.1. INPUT ...................................................................................................... 41
1.2. LE PROCESSUS D’ALIGNEMENT ......................................................................... 41
1.3. OUTPUT ........................................................................................ 41
2. DETAILS DE L’ALGORITHME DEVELOPPE .......................................................................... 41
2.1. PRESENTATION DE LA DEMARCHE D’ALIGNEMENT DES ONTOLOGIES ........................................ 43
2.1.1. La première phase ........................................................................................ 43
2.1.2. La deuxième phase ................................................................................... 44
2.1.2.1. La similarité Terminologique ........................................................... 44
2.1.2.2. La similarité structurelle ................................................................................................................... 47
La similarité interne ................................................................................ 47
Similarité externe ........................................................................................... 48
2.1.3. La troisièmes phase ................................................................................ 49
2.1.3.1. Les stratégies d’agrégations ................................................................... 49
CONCLUSION ................................................................................................ 50
CHAPITRE 4: IMPLIMENTATION ET EXPERIMENTATION
1. LES OUTILS UTILISES ......................................................................................... 51
1.1. NETBEANS IDE ........................................................................................ 51
1.2. PROTEGE ............................................................................................. 51
2. PRESENTATION DE NOTRE ETUDE DE CAS ............................................................................ 52
2.1. IMPLEMENTATION DE NOS ONTOLOGIES ...................................................................................... 54
2.1.1. Réalisation de l’ontologie source « Travel »sous protégé ................................................... 54
2.1.2. Réalisation de l’ontologie cible « accommodation »sous protégé ....................................... 55
3. INTERFACE PRINCIPALE .......................................................................................................... 56
4. DISCUSSION ET EVALUATION ................................................................................................. 64
4.1. LES ONTOLOGIES EXPERIMENTALES ............................................................................................ 65
4.2. CRITERES DE SELECTION DES ONTOLOGIES ................................................................................. 65
4.3. EFFICACITE DES MESURES DE SIMILARITE ................................................................................... 66
4.4. LE COUT DE MATCHING ........................................................................................... 66
4.5. EVALUATION DE NOTRE METHODE ............................................................................................... 66
CONCLUSION .............................................................................................................. 67
CONCLUSION GENERALE ET PERSPECTIVES FUTURES ........................................................... 68
REFERENCES ...........................................................................................................70Côte titre : MAI/0047 En ligne : https://drive.google.com/file/d/1ZWIH1Cw_i1uVR3uhpiR8ujRg3Zd4Czgf/view?usp=shari [...] Format de la ressource électronique : Ontology matching algorithms [texte imprimé] / BRAHMA, Bochra ; ALLAOUI,REFOUFI, Directeur de thèse . - 2015 . - 1 vol (71f.) ; 29 cm.
Langues : Anglais (eng)
Catégories : Informatique
Thèses & Mémoires:InformatiqueMots-clés : Ontologie, mesure de similarité, alignement, connaissances hétérogènes. Index. décimale : 004 Informatique Résumé :
Résumé
alignement des ontologies est le processus qui vise à rendre diverses sources de connaissances interopérables. Ce processus est vital dans les applications du web sémantique. La conception d’algorithmes d’alignement (mapping, matching) constitue un domaine de recherche assez récent. Manuellement la détermination des termes sémantiquement proches dans différentes ontologies est un processus laborieux et source d’erreurs. La génération automatique des correspondances entre deux ontologies est extrêmement délicate. Cette difficulté résulte des divergences conceptuelles émanent de plusieurs communautés de développements.
Notre but dans ce mémoire est de proposer un algorithme d’alignement de deux ontologies relatives au même domaine basé sur différentes techniques (terminologique, linguistique) avec l’utilisation thesaurus tel que WordNet comme ressource complémentaire ainsi que l’introduction d’une nouvelle mesure structurelle issue de travaux connexes et enfin on utilise une stratégie d’agrégation pour combiner les déférentes techniques de similarités pour un résultat plus fiable et plus efficace.
Note de contenu : Table des matières
RESUME .................................................................................................................. I
LISTE DES TABLES ................................................................................................... II
TABLE DES FIGURES .................................................................................................... III
INTRODUCTION GENERALE ........................................................................................... V
CHAPITRE 1: FONDEMENT DES ONTOLOGIES
1. ONTOLOGIES ........................................................................................................ 1
1.1. LES ENTITES DE L’ONTOLOGIE ................................................................................ 2
1.2. LES DIFFERENTS TYPES D’ONTOLOGIES .......................................................................... 3
1.2.1. Selon le degré de formalisme ............................................................................ 4
1.2.1.1. Les ontologies hautement informelles ........................................................................... 4
1.2.1.2. Les ontologies semi informelles ................................................................................... 4
1.2.1.3. Les ontologies semi formelles ............................................................................. 4
1.2.1.4. Les ontologies rigoureusement formelles ........................................................................ 4
1.2.2. Selon les objets modélisés ........................................................................ 4
1.2.2.1. Les ontologies supérieures ................................................................. 5
1.2.2.2. Les ontologies de domaine ............................................................... 5
1.2.2.3. Les ontologies de tâche ..................................................................... 5
1.2.2.4. Les ontologies d’application ............................................................. 5
1.2.2.5. Ontologies de représentation................................................................................ 6
1.2.2.6. Les ontologies de raisonnement ............................................................ 6
1.2.3. Selon la granularité ......................................................................... 6
1.2.3.1. Granularité fine ........................................................................... 6
1.2.3.2. Granularité large ................................................................................. 6
1.2.4. Les ontologies au sein de représentations des connaissances .................................................... 7
1.2.4.1. Les hiérarchies Is-a formelles .............................................................. 8
1.2.4.2. Les instances formelles ............................................................ 8
1.2.4.3. Les cadres ................................................................................. 8
1.2.4.4. Les restrictions de valeur .................................................................. 8
1.2.4.5. Les contraintes de logique générale ................................................................... 8
1.3. LANGAGES DE REPRESENTATION ....................................................................... 9
1.3.1. eXtended Markup Language et XML Schema ........................................................ 9
1.3.2. RDF ............................................................................. 9
1.3.3. RDFS ........................................................................... 10
1.3.4. DAML + OIL ................................................................... 10
1.3.5. OWL ........................................................................... 11
OWL Lite ....................................................................................... 11
OWL DL ............................................................................
OWL Full ................................................................................... 12
1.4. L’INTEROPERABILITE ......................................................................... 12
1.5. HETEROGENEITE ............................................................................... 13
1.5.1. Hétérogénéité syntaxique ........................................................................... 13
1.5.2. Le niveau terminologique ......................................................................... 13
1.5.3. Hétérogénéité conceptuelle .......................................................................... 14
1.5.4. Le niveau sémiotique ............................................................................... 14
CONCLUSION ........................................................................................... 15
CHAPITRE 2: ETAT DE L'ART SUR L'ALIGNEMENT DE L'ONTOLOGIE
1. ALIGNEMENT, TERMINOLOGIES .............................................................................. 16
1.1. APPLICATIONS ........................................................................................ 17
1.1.1. L’ingénierie ontologique ............................................................................... 17
La construction d’ontologies ............................................................................. 17
L’évolution des ontologies .............................................................................. 18
1.1.2. L’intégration d’information .................................................................................. 19
1.1.3. Le Partage des informations dans les systèmes pair-à-pair (P2P) ..................................... 19
1.1.4. La Composition des services web ......................................................................... 20
1.2. DIMENSIONS D’ALIGNEMENT ............................................................................. 21
1.2.1. L’input ................................................................................................ 21
1.2.2. Le processus d’alignement ................................................................. 21
1.2.3. L’output ............................................................................... 22
La multiplicité ........................................................................................... 22
Le niveau de l’alignement .................................................................................... 23
Le format de l’output .......................................................................................... 23
2. TECHNIQUES DE BASE D'ALIGNEMENT D'ONTOLOGIES ................................................................... 24
2.1. LES METHODES TERMINOLOGIQUES ............................................................................ 26
2.1.1. Méthodes syntaxiques ................................................................................................. 26
a) Les méthodes basées sur des chaînes de caractères ..................................................................... 27
b) Les distances basées sur des tokens ................................................................................. 28
2.1.2. Les méthodes linguistiques .................................................................................... 30
2.1.2.1. Les méthodes intrinsèques ...................................................................................... 30
2.1.2.2. Les méthodes extrinsèques ................................................................................... 31
2.2. METHODES STRUCTURELLES ........................................................................................... 31
2.2.1. Méthodes structurelles internes ...................................................................................... 31
2.2.2. Les méthodes structurelles externes .............................................................................. 32
2.3. METHODES EXTENSIONNELLES.............................................................................................. 33
2.4. LES METHODES SEMANTIQUES ...................................................................................................... 33
2.4.1. Approche qui repose sur les modèles de la logique .................................................................... 33
2.4.2. Approche qui regroupe les méthodes de déduction.................................................................... 34
3. TRAVAUX CONNEXES ................................................................................................................ 34
ANCHOR-PROMPT ......................................................................................................... 34
OLA ............................................................................................. 35
ASCO ........................................................................................................ 35
GLUE ............................................................................................................. 36
XMAP++ ............................................................................................................ 37
CONCLUSION ............................................................................................... 39
CHAPITRE 3: CONCEPTION
1. ARCHITECTURE DE NOTRE SYSTEME .................................................................................. 40
1.1. INPUT ...................................................................................................... 41
1.2. LE PROCESSUS D’ALIGNEMENT ......................................................................... 41
1.3. OUTPUT ........................................................................................ 41
2. DETAILS DE L’ALGORITHME DEVELOPPE .......................................................................... 41
2.1. PRESENTATION DE LA DEMARCHE D’ALIGNEMENT DES ONTOLOGIES ........................................ 43
2.1.1. La première phase ........................................................................................ 43
2.1.2. La deuxième phase ................................................................................... 44
2.1.2.1. La similarité Terminologique ........................................................... 44
2.1.2.2. La similarité structurelle ................................................................................................................... 47
La similarité interne ................................................................................ 47
Similarité externe ........................................................................................... 48
2.1.3. La troisièmes phase ................................................................................ 49
2.1.3.1. Les stratégies d’agrégations ................................................................... 49
CONCLUSION ................................................................................................ 50
CHAPITRE 4: IMPLIMENTATION ET EXPERIMENTATION
1. LES OUTILS UTILISES ......................................................................................... 51
1.1. NETBEANS IDE ........................................................................................ 51
1.2. PROTEGE ............................................................................................. 51
2. PRESENTATION DE NOTRE ETUDE DE CAS ............................................................................ 52
2.1. IMPLEMENTATION DE NOS ONTOLOGIES ...................................................................................... 54
2.1.1. Réalisation de l’ontologie source « Travel »sous protégé ................................................... 54
2.1.2. Réalisation de l’ontologie cible « accommodation »sous protégé ....................................... 55
3. INTERFACE PRINCIPALE .......................................................................................................... 56
4. DISCUSSION ET EVALUATION ................................................................................................. 64
4.1. LES ONTOLOGIES EXPERIMENTALES ............................................................................................ 65
4.2. CRITERES DE SELECTION DES ONTOLOGIES ................................................................................. 65
4.3. EFFICACITE DES MESURES DE SIMILARITE ................................................................................... 66
4.4. LE COUT DE MATCHING ........................................................................................... 66
4.5. EVALUATION DE NOTRE METHODE ............................................................................................... 66
CONCLUSION .............................................................................................................. 67
CONCLUSION GENERALE ET PERSPECTIVES FUTURES ........................................................... 68
REFERENCES ...........................................................................................................70Côte titre : MAI/0047 En ligne : https://drive.google.com/file/d/1ZWIH1Cw_i1uVR3uhpiR8ujRg3Zd4Czgf/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0047 MAI/0047 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Opinion Mining in social media documents Type de document : texte imprimé Auteurs : Dahoua ,Nihed, Auteur ; Refoufi, Allaoua, Directeur de thèse Editeur : Setif:UFA Année de publication : 2020 Importance : 1 vol (51 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Opinion Mining
Analyse de sentiment
Réseaux sociauxIndex. décimale : 004 - Informatique Résumé :
La grande utilisation des réseaux sociaux ore de nombreuses portes ouvertes aux individus pour
partager et exprimer librement leurs sentiments, leurs opinions et leurs critiques sur les blogs, les
tweets et les commentaires. Les micro-blogs comme YouTube, Twitter et FaceBook sont devenus
la ressource d'une grande quantité d'opinions et de sentiments non structurés en ligne. Pour
analyser et extraire des informations à partir de ces données, l'un des domaines de recherche les
plus récents de classication est utilisé.
L'opinions mining (appelée analyse des sentiments) est le moyen d'extraire des opinions en
ligne, de les analyser et de les classer, que les commentaires soient positifs ou négatifs, en fonction
de diérentes méthodes d'apprentissage automatique et de traitement du langage naturel (NLP).
Dans ce travail de recherche, nous représentons l'extraction d'opinions dans les documents de
médias sociaux et appliquons une analyse des sentiments avec des commentaires Twitter en se
basant sur l'impact du prétraitement et du nettoyage des données.
Les algorithmes d'apprentissage automatique sont nombreux, beaucoup d'entre eux sont utilis
és pour des problèmes de classication, mais les performances de ces modèles varient selon la
taille des data set utilisés.
An de procéder à l'expérimentation et d'obtenir de meilleurs résultats, nous avons opté pour
trois modèles adaptés d'apprentissage automatique et d'apprentissage profond avec d'énormes
quantités et qui sont les plus couramment utilisés dans l'opinions mining: Naive Bayes, Logistic
Regression et une technique basée sur les Réseaux de Neurones Récurrents (RNNs) connue sous
le nom LSTM (Long Short Term Memory).
La mise en ÷uvre des modèles proposés avec des paramètres donnés, et la comparaison des
résultats obtenus montre la bonne performance de notre système expérimental. Le modèle regression
logistique performer mieux que les autres modèles avec un score de 79,53%.Côte titre : MAI/0401 En ligne : https://drive.google.com/file/d/1DkLh77fb_F6fud5j9IXeGXQpUmVunRdA/view?usp=shari [...] Format de la ressource électronique : Opinion Mining in social media documents [texte imprimé] / Dahoua ,Nihed, Auteur ; Refoufi, Allaoua, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1 vol (51 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Opinion Mining
Analyse de sentiment
Réseaux sociauxIndex. décimale : 004 - Informatique Résumé :
La grande utilisation des réseaux sociaux ore de nombreuses portes ouvertes aux individus pour
partager et exprimer librement leurs sentiments, leurs opinions et leurs critiques sur les blogs, les
tweets et les commentaires. Les micro-blogs comme YouTube, Twitter et FaceBook sont devenus
la ressource d'une grande quantité d'opinions et de sentiments non structurés en ligne. Pour
analyser et extraire des informations à partir de ces données, l'un des domaines de recherche les
plus récents de classication est utilisé.
L'opinions mining (appelée analyse des sentiments) est le moyen d'extraire des opinions en
ligne, de les analyser et de les classer, que les commentaires soient positifs ou négatifs, en fonction
de diérentes méthodes d'apprentissage automatique et de traitement du langage naturel (NLP).
Dans ce travail de recherche, nous représentons l'extraction d'opinions dans les documents de
médias sociaux et appliquons une analyse des sentiments avec des commentaires Twitter en se
basant sur l'impact du prétraitement et du nettoyage des données.
Les algorithmes d'apprentissage automatique sont nombreux, beaucoup d'entre eux sont utilis
és pour des problèmes de classication, mais les performances de ces modèles varient selon la
taille des data set utilisés.
An de procéder à l'expérimentation et d'obtenir de meilleurs résultats, nous avons opté pour
trois modèles adaptés d'apprentissage automatique et d'apprentissage profond avec d'énormes
quantités et qui sont les plus couramment utilisés dans l'opinions mining: Naive Bayes, Logistic
Regression et une technique basée sur les Réseaux de Neurones Récurrents (RNNs) connue sous
le nom LSTM (Long Short Term Memory).
La mise en ÷uvre des modèles proposés avec des paramètres donnés, et la comparaison des
résultats obtenus montre la bonne performance de notre système expérimental. Le modèle regression
logistique performer mieux que les autres modèles avec un score de 79,53%.Côte titre : MAI/0401 En ligne : https://drive.google.com/file/d/1DkLh77fb_F6fud5j9IXeGXQpUmVunRdA/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0401 MAI/0401 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Optimisation de l’Algorithme M´eta-heuristique X-Means Type de document : texte imprimé Auteurs : Nouara Nedjma, Auteur ; Amira Boukaboub, Auteur Année de publication : 2022 Importance : 1 vol (35 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : IoT
K-meansIndex. décimale : 004 Informatique Résumé :
L’Internet des objets (IoT) est devenu l’une des technologies les plus importantes du 21e si`ecle. Il d´ecrit un r´eseau
de dispositifs physiques, ou ”objets”, qui contient des capteurs, des logiciels et d’autres technologies afin de se connecter
et d’´echanger des donn´ees avec d’autres dispositifs et syst`emes sur Internet. Avec plusieurs milliards d’objets connect´es `a
IoT aujourd’hui, les experts s’attendent `a ce que ce nombre passe au double d’ici quelques ann´ees. Maintenant que nous
pouvons connecter des objets du quotidien (appareils ´electrom´enagers, v´ehicules, thermostats, syst`emes d’arrosage des
plantes, babyphones, etc.) `a Internet via des composants int´egr´es, une communication transparente entre les personnes,
les processus et les objets est possible. Le clustering est l’une des principales tˆaches de l’exploration de donn´ees ou
des objets dans l’IoT. De nombreuses m´ethodes ont ´et´e d´evelopp´ees pour les mod`eles de clustering. Les algorithmes
appartenant `a ces mod`eles cherchent `a d´ecrire et `a pr´edire d’une mani`ere simultan´ee le comportement de ces donn´ees
ou ces objets. Dans ce contexte, nous avons choisi d’´etudier l’algorithme des K-moyennes (k-means) et son compl´em´ent
X-means, afin de d´eduire une nouvelle proposition permettant d’optimiser la consommation d’´energie da s l’IoT et ainsi
trouver l’intervalle optimal pour l’´ex´ecution de X-means. Nos r´esultats ont montr´e des performances tr`es comp´etitives
ou meilleures que celles obtenues par l’algorithme de X-means. D’autre part, ces r´esultats ont mis l’accent sur le premier
inconv´enient de K-means. Nous avons montr´e, qu’avec l’aide d’´evaluation propos´ee dans ce m´emoire, que l’algorithme
de X-means permet de s´electionner le r´esultat optimal.Côte titre : MAI/0664 En ligne : https://drive.google.com/file/d/1fIWIXU_gNwg7mBH0issQ79jCuDXzIMiK/view?usp=share [...] Format de la ressource électronique : Optimisation de l’Algorithme M´eta-heuristique X-Means [texte imprimé] / Nouara Nedjma, Auteur ; Amira Boukaboub, Auteur . - 2022 . - 1 vol (35 f .) ; 29cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : IoT
K-meansIndex. décimale : 004 Informatique Résumé :
L’Internet des objets (IoT) est devenu l’une des technologies les plus importantes du 21e si`ecle. Il d´ecrit un r´eseau
de dispositifs physiques, ou ”objets”, qui contient des capteurs, des logiciels et d’autres technologies afin de se connecter
et d’´echanger des donn´ees avec d’autres dispositifs et syst`emes sur Internet. Avec plusieurs milliards d’objets connect´es `a
IoT aujourd’hui, les experts s’attendent `a ce que ce nombre passe au double d’ici quelques ann´ees. Maintenant que nous
pouvons connecter des objets du quotidien (appareils ´electrom´enagers, v´ehicules, thermostats, syst`emes d’arrosage des
plantes, babyphones, etc.) `a Internet via des composants int´egr´es, une communication transparente entre les personnes,
les processus et les objets est possible. Le clustering est l’une des principales tˆaches de l’exploration de donn´ees ou
des objets dans l’IoT. De nombreuses m´ethodes ont ´et´e d´evelopp´ees pour les mod`eles de clustering. Les algorithmes
appartenant `a ces mod`eles cherchent `a d´ecrire et `a pr´edire d’une mani`ere simultan´ee le comportement de ces donn´ees
ou ces objets. Dans ce contexte, nous avons choisi d’´etudier l’algorithme des K-moyennes (k-means) et son compl´em´ent
X-means, afin de d´eduire une nouvelle proposition permettant d’optimiser la consommation d’´energie da s l’IoT et ainsi
trouver l’intervalle optimal pour l’´ex´ecution de X-means. Nos r´esultats ont montr´e des performances tr`es comp´etitives
ou meilleures que celles obtenues par l’algorithme de X-means. D’autre part, ces r´esultats ont mis l’accent sur le premier
inconv´enient de K-means. Nous avons montr´e, qu’avec l’aide d’´evaluation propos´ee dans ce m´emoire, que l’algorithme
de X-means permet de s´electionner le r´esultat optimal.Côte titre : MAI/0664 En ligne : https://drive.google.com/file/d/1fIWIXU_gNwg7mBH0issQ79jCuDXzIMiK/view?usp=share [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0664 MAI/0664 Mémoire Bibliothéque des sciences Français Disponible
DisponiblePermalinkOptimisation avec l'algorithme QPSO (Quantum particle swarm optimisation) amélioré avec une recherche chaotique / Bouzit, loubna
PermalinkOptimisation de la durée de vie dans les réseaux de capteurs sans fil par le K-couverture / ahlem Baziz
![]()
PermalinkOptimisation de la gestion de l'équilibrage des ressources distribuées les ants-agents-mobiles / Abdi,dalal
![]()
PermalinkPermalinkPermalinkPermalinkPermalinkOptimisation, par les ant-systems de la circulation de l'information dans les objets coopérants / Berahma,ilhem
![]()
PermalinkPermalink