University Sétif 1 FERHAT ABBAS Faculty of Sciences
Catégories
Ajouter le résultat dans votre panier Affiner la recherche
Utilisation des algorithmes génétiques dans la modélisation des réseaux de régulation génétiques / Boussafsaf, Ghada
Titre : Utilisation des algorithmes génétiques dans la modélisation des réseaux de régulation génétiques Type de document : texte imprimé Auteurs : Boussafsaf, Ghada, Auteur ; Fatiha Brahim salem, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (56 f .) Format : 29 cm Langues : Français (fre) Langues originales : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Bio-informatique
Réseaux de régulation génétique
Algorithmes génétiques
Processus de modélisation de réseaux génétiquesIndex. décimale : 004 Informatique Résumé : Résumé
Ce travail est présenté dans le cadre d'une thèse d’obtenir de Master académique en
informatique et de développer un algorithme pour la modélisation des réseaux de régulation
génétiques en utilisant les algorithmes génétiques.
La stratégie qu’on a adoptée est une approche pour la reconstruction de réseaux
génomiques.
Note de contenu :
Sommaire
Résumé Remerciements Dédicace Table des matières
INTRODUTION GENERALE………………………………...………………1
Chapitre 1 : Présentation du domaine d’étude
Introduction..................................................................................................
3 1.1- Introduction à la bioinformatique....................................................................
3 1.2- Quelques précisions biologiques.....................................................................
3 1.3- Les réseaux d’interactions……………...........................................................
9 1.4- Qu'est-ce qu'un réseau génétique ?................................................................10
1.5- Modélisation des réseaux de régulation génétique........................................11
Conclusion ....................................................................................................19
Chapitre2 : Les algorithmes génétiques comme outils de modélisation
Introduction....................................................................................................
21 2.1- Présentation des algorithmes génétiques......................................................
21 2.2- Fonctionnement des algorithmes génétiques................................................22
2.3- Comparaison de l’AG avec d'autres techniques d'optimisation……………29
2.4- Les applications de l’algorithme génétique en bio-informatique……..........30
2.5- Les inconvénients des algorithmes génétiques.............................................30
Conclusion ...................................................................................31
Chapitre3 : Présentation de l’algorithme COGARE
Introduction.......................................................................................
33 3.1- Définition de l’algorithme COGARE.........................................................
33 3.2- Présentation de l’algorithme COGARE………………………………........36
3.3- Les données utilisées par COGARE …………………………………….....37
3.4- La technique de sélection ……………………………………………….....39
3.5- La technique de croisement………………………………………………...40
3.6- La technique de mutation ………………………………………………….41
Conclusion ......................................................................
41 Chapitre4 : implémentation
Introduction…………………………………………………………………….
43 4.1- Environnement de développement.............................................................
43 4.2- Algorithme général………………………...................................................43
4.3- Interface de l’application………..................................................................45
4.4- Quelques exemples de code source...............................................................48
4.5- Exemple d’application................................................................................
50 Conclusion ..........................................................................................................53
CONCLUSION GENERALE ………………………………………………..54
BIBLIOGRAPHIE …………………………………………………………....55
WEBOGRAPHIE……………………………………………………………..56Côte titre : MAI/0244 En ligne : https://drive.google.com/file/d/1Ab2hQjKKNrsRbTz4ECRiCliZ-JAvGP6U/view?usp=shari [...] Format de la ressource électronique : Utilisation des algorithmes génétiques dans la modélisation des réseaux de régulation génétiques [texte imprimé] / Boussafsaf, Ghada, Auteur ; Fatiha Brahim salem, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (56 f .) ; 29 cm.
Langues : Français (fre) Langues originales : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Bio-informatique
Réseaux de régulation génétique
Algorithmes génétiques
Processus de modélisation de réseaux génétiquesIndex. décimale : 004 Informatique Résumé : Résumé
Ce travail est présenté dans le cadre d'une thèse d’obtenir de Master académique en
informatique et de développer un algorithme pour la modélisation des réseaux de régulation
génétiques en utilisant les algorithmes génétiques.
La stratégie qu’on a adoptée est une approche pour la reconstruction de réseaux
génomiques.
Note de contenu :
Sommaire
Résumé Remerciements Dédicace Table des matières
INTRODUTION GENERALE………………………………...………………1
Chapitre 1 : Présentation du domaine d’étude
Introduction..................................................................................................
3 1.1- Introduction à la bioinformatique....................................................................
3 1.2- Quelques précisions biologiques.....................................................................
3 1.3- Les réseaux d’interactions……………...........................................................
9 1.4- Qu'est-ce qu'un réseau génétique ?................................................................10
1.5- Modélisation des réseaux de régulation génétique........................................11
Conclusion ....................................................................................................19
Chapitre2 : Les algorithmes génétiques comme outils de modélisation
Introduction....................................................................................................
21 2.1- Présentation des algorithmes génétiques......................................................
21 2.2- Fonctionnement des algorithmes génétiques................................................22
2.3- Comparaison de l’AG avec d'autres techniques d'optimisation……………29
2.4- Les applications de l’algorithme génétique en bio-informatique……..........30
2.5- Les inconvénients des algorithmes génétiques.............................................30
Conclusion ...................................................................................31
Chapitre3 : Présentation de l’algorithme COGARE
Introduction.......................................................................................
33 3.1- Définition de l’algorithme COGARE.........................................................
33 3.2- Présentation de l’algorithme COGARE………………………………........36
3.3- Les données utilisées par COGARE …………………………………….....37
3.4- La technique de sélection ……………………………………………….....39
3.5- La technique de croisement………………………………………………...40
3.6- La technique de mutation ………………………………………………….41
Conclusion ......................................................................
41 Chapitre4 : implémentation
Introduction…………………………………………………………………….
43 4.1- Environnement de développement.............................................................
43 4.2- Algorithme général………………………...................................................43
4.3- Interface de l’application………..................................................................45
4.4- Quelques exemples de code source...............................................................48
4.5- Exemple d’application................................................................................
50 Conclusion ..........................................................................................................53
CONCLUSION GENERALE ………………………………………………..54
BIBLIOGRAPHIE …………………………………………………………....55
WEBOGRAPHIE……………………………………………………………..56Côte titre : MAI/0244 En ligne : https://drive.google.com/file/d/1Ab2hQjKKNrsRbTz4ECRiCliZ-JAvGP6U/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0244 MAI/0244 Mémoire Bibliothéque des sciences Français Disponible
DisponibleUtilisation des approches heuristiques pour l'optimisation et la séléction des paramétres d'un réseau ad-hoc / Harrag, Nassir
Titre : Utilisation des approches heuristiques pour l'optimisation et la séléction des paramétres d'un réseau ad-hoc : Application à la configuration automatique des paramétrées du protocole de routage Type de document : texte imprimé Auteurs : Harrag, Nassir, Auteur ; Reffoufi,Allaoua, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (212 f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Ad hoc
MANET
Routage
Protocole,
Optimisation
Métaheuristique
Bio-inspiréIndex. décimale : 004 - Informatique Résumé : Résumé
Dans cette thèse, nous définissons et résolvons un problème d'optimisation en utilisant une approche méta-heuristique afin d'optimiser de manière efficace et automatique le protocole de routage optimisé. L'algorithme proposé explore le grand nombre de configurations possibles de protocoles de routage réalisables pour trouver des paramètres optimisés. Les résultats de simulation obtenus avec le simulateur NS2 prouvent que les algorithmes développés permettent de choisir une configuration de protocole de routage efficace qui minimise le taux de perte simultané, les délais de livraison des paquets ainsi que la charge du réseau en limitant les paquets de contrôle. De plus, cela permet également au réseau Ad Hoc de s’adapter à chaque changement de topologie, ce qui le rend adaptable à tout environnement changeant.Note de contenu : Sommaire
List of Tables
List of Figures
Acronyms
Introduction 1
Chapter I: Overview of Mobile Ad Hoc Networks 8
I.1 Introduction 8
I.2 Characteristics of MANETs 9
I.2.1 Mobility 10
I.2.2 Multi hop Network 10
I.2.3 Multiple roles for a node 10
I.2.4 Energy Constraints 10
I.3 Applications of MANETs 10
I.3.1 Civil and Commercial Applications 11
I.3.2 Emergency Services 11
I.3.3 Battlefield Operations 12
I.4 Routing in MANETs 12
I.5 Related Work 14
I.5.1 Conventional Routing Protocols 14
I.5.1.1 Proactive Routing Protocols 14
I.5.1.2 Reactive Routing Protocols 17
I.5.1.3 Hybrid Routing Protocols 19
I.6 References 22
Chapter II: Bio-inspired Routing Protocols - State of the art 23
II.1 Introduction 23
II.2 Bio-inspired algorithms in Ad hoc networks 23
II.2.1 Genetic Algorithms 24
II.2.2 Particle swarm optimization 25
II.2.3 Ant colony optimization 25
II.3 Bio-inspired routing protocols 26
II.4 Literature survey on routing protocols setting optimization 27
II.5 Conclusion 37
II.6 References 38
Chapter III; Proposed Bio-inspired Metaheuristic Routing Protocols 44
III.1 Why use bio-inspired algorithms for routing protocol setting? 44
III.1.1 Problem formulation 44
III.1.2 Problem inputs encoding 45
III.1.3 Objective function 45
III.1.4 Initialization 45
III.1. 5 Stopping criterion 46
III.2 Bio-inspired algorithms used in routing protocols setting 46
III.2.1 NSGA-II algorithm 47
III.2.2 DE algorithm 48
III.2.3 PSO algorithm 52
III.3 Proposed bio-inspired routing protocols 55
III.3.1 OLSR protocol 55
III.3.1.1 Conventional OLSR protocol 55
III.3.1.2 Proposed NSGA-II-OLSR protocol 56
III.3.1.3 Proposed DE-OLSR protocol 57
III.3.2 ZRP protocol 58
III.3.2.1 Conventional ZRP protocol 58
III.3.2.2 Proposed PSO-IZRP protocol 64
III.4 Conclusion 68
III.5 References 69
Chapter IV: Simulations and Results 75
IV.1 Introduction 75
IV.2 Results and Discussions 75
IV.2.1 OLSR Routing Protocol 75
IV.2.1.1 Using NSGA-II Algorithm 75
IV.2.1.2 Using DE Algorithm 90
IV.2.2 ZRP Routing Protocol Setting 94
IV.3 Conclusion 104
IV.4 References 107
Conclusion and Future Extensions 108
Contributions 113Côte titre : DI/0033 En ligne : https://drive.google.com/file/d/14Mb8d1TDZW9ThXTzgmiegcWGUFLuRDi-/view?usp=shari [...] Format de la ressource électronique : Utilisation des approches heuristiques pour l'optimisation et la séléction des paramétres d'un réseau ad-hoc : Application à la configuration automatique des paramétrées du protocole de routage [texte imprimé] / Harrag, Nassir, Auteur ; Reffoufi,Allaoua, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (212 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Ad hoc
MANET
Routage
Protocole,
Optimisation
Métaheuristique
Bio-inspiréIndex. décimale : 004 - Informatique Résumé : Résumé
Dans cette thèse, nous définissons et résolvons un problème d'optimisation en utilisant une approche méta-heuristique afin d'optimiser de manière efficace et automatique le protocole de routage optimisé. L'algorithme proposé explore le grand nombre de configurations possibles de protocoles de routage réalisables pour trouver des paramètres optimisés. Les résultats de simulation obtenus avec le simulateur NS2 prouvent que les algorithmes développés permettent de choisir une configuration de protocole de routage efficace qui minimise le taux de perte simultané, les délais de livraison des paquets ainsi que la charge du réseau en limitant les paquets de contrôle. De plus, cela permet également au réseau Ad Hoc de s’adapter à chaque changement de topologie, ce qui le rend adaptable à tout environnement changeant.Note de contenu : Sommaire
List of Tables
List of Figures
Acronyms
Introduction 1
Chapter I: Overview of Mobile Ad Hoc Networks 8
I.1 Introduction 8
I.2 Characteristics of MANETs 9
I.2.1 Mobility 10
I.2.2 Multi hop Network 10
I.2.3 Multiple roles for a node 10
I.2.4 Energy Constraints 10
I.3 Applications of MANETs 10
I.3.1 Civil and Commercial Applications 11
I.3.2 Emergency Services 11
I.3.3 Battlefield Operations 12
I.4 Routing in MANETs 12
I.5 Related Work 14
I.5.1 Conventional Routing Protocols 14
I.5.1.1 Proactive Routing Protocols 14
I.5.1.2 Reactive Routing Protocols 17
I.5.1.3 Hybrid Routing Protocols 19
I.6 References 22
Chapter II: Bio-inspired Routing Protocols - State of the art 23
II.1 Introduction 23
II.2 Bio-inspired algorithms in Ad hoc networks 23
II.2.1 Genetic Algorithms 24
II.2.2 Particle swarm optimization 25
II.2.3 Ant colony optimization 25
II.3 Bio-inspired routing protocols 26
II.4 Literature survey on routing protocols setting optimization 27
II.5 Conclusion 37
II.6 References 38
Chapter III; Proposed Bio-inspired Metaheuristic Routing Protocols 44
III.1 Why use bio-inspired algorithms for routing protocol setting? 44
III.1.1 Problem formulation 44
III.1.2 Problem inputs encoding 45
III.1.3 Objective function 45
III.1.4 Initialization 45
III.1. 5 Stopping criterion 46
III.2 Bio-inspired algorithms used in routing protocols setting 46
III.2.1 NSGA-II algorithm 47
III.2.2 DE algorithm 48
III.2.3 PSO algorithm 52
III.3 Proposed bio-inspired routing protocols 55
III.3.1 OLSR protocol 55
III.3.1.1 Conventional OLSR protocol 55
III.3.1.2 Proposed NSGA-II-OLSR protocol 56
III.3.1.3 Proposed DE-OLSR protocol 57
III.3.2 ZRP protocol 58
III.3.2.1 Conventional ZRP protocol 58
III.3.2.2 Proposed PSO-IZRP protocol 64
III.4 Conclusion 68
III.5 References 69
Chapter IV: Simulations and Results 75
IV.1 Introduction 75
IV.2 Results and Discussions 75
IV.2.1 OLSR Routing Protocol 75
IV.2.1.1 Using NSGA-II Algorithm 75
IV.2.1.2 Using DE Algorithm 90
IV.2.2 ZRP Routing Protocol Setting 94
IV.3 Conclusion 104
IV.4 References 107
Conclusion and Future Extensions 108
Contributions 113Côte titre : DI/0033 En ligne : https://drive.google.com/file/d/14Mb8d1TDZW9ThXTzgmiegcWGUFLuRDi-/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité DI/0033 DI/0033 Thèse Bibliothéque des sciences Français Disponible
DisponibleUtilisation des automates cellulaire pour le traitement d’images à niveaux de gris / Hadjadj ,Sacia
Titre : Utilisation des automates cellulaire pour le traitement d’images à niveaux de gris Type de document : texte imprimé Auteurs : Hadjadj ,Sacia, Auteur ; Djemame ,Safia, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (69 f .) Format : 29 cm Langues : Français (fre) Langues originales : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique:Automates cellulaire Index. décimale : 004 - Informatique Résumé : Résumé
Le traitement d’image est actuellement un domaine en plein essor. Malgré l’amélioration du traitement d’image, il reste actuellement l’objet de nombreuses études.
Les automates cellulaires (CA) sont des modèles communs et les plus simples de calculs parallèles. Ils peuvent être appliqués avec succès dans le traitement d'image. Dans ce mémoire, nous proposons des méthodes pour l'application des automates cellulaires bidimensionnels aux problèmes de filtrage de pixels bruités et de la détection des contours dans les images à niveaux de gris.
Les résultats montrent que les algorithmes proposés ont de très bonnes performances.Note de contenu :
Sommaire
CHAPITRE 01:Traitement d’images
1. Introduction.................................................................................................. 1
2. Le traitement d’image .................................................................................... 1
2.1. Historique et définition ............................................................................. 1
2.2. Domaines d’application ............................................................................ 2
3. L’image .......................................................................................................... 4
3.1. Définition ................................................................................................. 4
3 .2. Une image numérique ............................................................................. 4
3 .3 . Intensité d’image .................................................................................... 5
3.3.1. Les images binaires (noir et blanc) ..................................................... 5
3.3.2. Les images en niveaux de gris ............................................................ 6
3.3.3. Les images couleurs ........................................................................... 6
4. Types d’images .............................................................................................. 7
4.1. Les images matricielles ou bitmap ............................................................ 7
4.2. Les images vectorielles ............................................................................ 8
5. Composition et caractéristiques d’une image .................................................. 8
5.1. Le pixel .................................................................................................... 8
5.2. La résolution ............................................................................................ 9
5.3 Dimension ................................................................................................. 9
5.4. Luminance ............................................................................................... 9
5.5. Contraste ................................................................................................ 10
5.6. Histogramme…………………………………………………………….10
5.7. Bruit ...................................................................................................... 11
6. Acquisition d'une image…………………………..... ……………………..………..11
6.1. Le scanner .............................................................................................. 11
6.2. L'appareil photo numérique : .................................................................. 11
7. Conclusion ................................................................................................... 12
CHAPITRE 02:Les automates cellulaires
1. Introduction ............................................................................................... 14
2. Automate cellulaire .................................................................................... 14
2 .1. Historique .............................................................................................. 14
2.2. Définition ............................................................................................... 15
2.3. Une définition formelle .......................................................................... 15
2.4. Caractéristiques techniques ................................................................... 15
suivre les évolutions de l'automate. .............................................................. 17
3. Les automates cellulaires les plus simples .................................................. 18
4. Le Jeu de la vie ........................................................................................... 19
5. Les autres types d'Automates Cellulaires .................................................... 22
6. Le problème des classifications : .................................................................. 25
6.1. Classification de Stephen Wolfram ......................................................... 25
7. Les applications pratiques ............................................................................ 27
8. Conclusion : .................................................................................................. 28
CHAITRE 03: La segmentation et le filtrage d'images
1. Introduction................................................................................................ 30
2. La segmentation d’images ........................................................................... 30
2.1 Définition de la segmentation .................................................................. 30
2 .2 Définition formelle de la segmentation .................................................. 30
2 .3 Les différentes approches de segmentation ............................................ 31
2.4 Segmentation par approche région.......................................................... 31
2.4.1 Croissance de région (region growing) .............................................. 32
2.4.2 Segmentation par fusion de régions (Merge) .................................... 32
2.4.3 Segmentation par division de régions (Split) .................................... 32
2.4.4 Segmentation par division-fusion (Split and Merge) ......................... 33
2.5 Segmentation par seuillage ..................................................................... 33
2.5 .1 Définition du seuillage ..................................................................... 33
2.5 .2 Le Seuillage global ........................................................................... 35
2.5.3 Le seuillage local ............................................................................... 35
2.6 Approches Contours ............................................................................... 35
2.6 .1 Méthodes dérivatives ........................................................................ 35
2.6 .1.1 L’approche Gradient .................................................................. 36
2.6 .1.2 L’approche Laplacien ................................................................ 38
2.6.2 Méthodes analytiques ........................................................................ 39
2.6.2.1 Approche de Canny et Deriche .................................................... 39
3. Le filtrage ..................................................................................................... 39
3.1 Filtres linéaires ........................................................................................ 39
A. Filtre passe-bas (lissage)........................................................................ 40
B. Filtre Passe-haut (Accentuation) ............................................................ 40
3.2 Filtres non linéaire ................................................................................... 40
3 .2.1 Filtre médian .................................................................................... 41
3.2.2 Filtre maximum ................................................................................ 41
3.2.3 Filtre minimum ................................................................................ 42
4. Les automates cellulaires en traitement d'images .......................................... 42
5. Conclusion .................................................................................................. 43
CHAPITRE 04: Conception, Implémentation des résultats
1. Introduction ............................................................................................... 45
2. Logiciel MATLAB ........................................................................................... 45
2.1 Définition ................................................................................................ 45
2.2. Popularité de Matlab : ............................................................................ 45
2.2.1 Sa richesse : ....................................................................................... 46
2.2.2 L’utilisation de boite à outils (toolboxes) : ........................................ 46
2.2.3 La simplicité de son langage de programmation : ............................. 46
2.2.4 La gestion des variables : ................................................................... 46
2.3 L'environnement de développement : .................................................... 46
3. Boite à outils de traitement d’image (toolbox) : ........................................... 46
3.1. Définition : ............................................................................................. 46
3.2. Lecture et Affichage des images : ........................................................... 47
3.3 Valeurs des pixels et Histogramme ......................................................... 48
3.5 Fonctions liées à l'espace de travail : ....................................................... 48
4. Implémentation : .......................................................................................... 49
4.1 Présentation des Algorithmes ................................................................. 49
4.1.1 Algorithme 1 : L’algorithme de filtrage .............................................. 49
4.1.2 Algorithme 2 : L’algorithme de jeu de la vie pour la détection de contours .......................... 53
4.1.3 Algorithme 3 : L’algorithme de détection de contours ...................... 55
5. Les fonctions de fitness ................................................................................ 57
5.1 L'erreur quadratique moyenne (MSE) ..................................................... 57
5. 2 Le rapport signal-bruit maximal (PSNR) .................................................. 57
6. Résultats expérimentaux .............................................................................. 58
6.1 Résultats de l’algorithme 3 de la détection de contours sur des images à niveaux de gris .............. 58
6.2 Résultats de l’algorithme 2 la détection de contours avec GOL sur des images binaires ............... 61
7. Résultats numériques .............................................................................. 64
8. ConclusionCôte titre : MAI/0260 En ligne : https://drive.google.com/file/d/1hn963eaVt1Sko8vDjo-aVRSHEleLroxV/view?usp=shari [...] Format de la ressource électronique : Utilisation des automates cellulaire pour le traitement d’images à niveaux de gris [texte imprimé] / Hadjadj ,Sacia, Auteur ; Djemame ,Safia, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (69 f .) ; 29 cm.
Langues : Français (fre) Langues originales : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique:Automates cellulaire Index. décimale : 004 - Informatique Résumé : Résumé
Le traitement d’image est actuellement un domaine en plein essor. Malgré l’amélioration du traitement d’image, il reste actuellement l’objet de nombreuses études.
Les automates cellulaires (CA) sont des modèles communs et les plus simples de calculs parallèles. Ils peuvent être appliqués avec succès dans le traitement d'image. Dans ce mémoire, nous proposons des méthodes pour l'application des automates cellulaires bidimensionnels aux problèmes de filtrage de pixels bruités et de la détection des contours dans les images à niveaux de gris.
Les résultats montrent que les algorithmes proposés ont de très bonnes performances.Note de contenu :
Sommaire
CHAPITRE 01:Traitement d’images
1. Introduction.................................................................................................. 1
2. Le traitement d’image .................................................................................... 1
2.1. Historique et définition ............................................................................. 1
2.2. Domaines d’application ............................................................................ 2
3. L’image .......................................................................................................... 4
3.1. Définition ................................................................................................. 4
3 .2. Une image numérique ............................................................................. 4
3 .3 . Intensité d’image .................................................................................... 5
3.3.1. Les images binaires (noir et blanc) ..................................................... 5
3.3.2. Les images en niveaux de gris ............................................................ 6
3.3.3. Les images couleurs ........................................................................... 6
4. Types d’images .............................................................................................. 7
4.1. Les images matricielles ou bitmap ............................................................ 7
4.2. Les images vectorielles ............................................................................ 8
5. Composition et caractéristiques d’une image .................................................. 8
5.1. Le pixel .................................................................................................... 8
5.2. La résolution ............................................................................................ 9
5.3 Dimension ................................................................................................. 9
5.4. Luminance ............................................................................................... 9
5.5. Contraste ................................................................................................ 10
5.6. Histogramme…………………………………………………………….10
5.7. Bruit ...................................................................................................... 11
6. Acquisition d'une image…………………………..... ……………………..………..11
6.1. Le scanner .............................................................................................. 11
6.2. L'appareil photo numérique : .................................................................. 11
7. Conclusion ................................................................................................... 12
CHAPITRE 02:Les automates cellulaires
1. Introduction ............................................................................................... 14
2. Automate cellulaire .................................................................................... 14
2 .1. Historique .............................................................................................. 14
2.2. Définition ............................................................................................... 15
2.3. Une définition formelle .......................................................................... 15
2.4. Caractéristiques techniques ................................................................... 15
suivre les évolutions de l'automate. .............................................................. 17
3. Les automates cellulaires les plus simples .................................................. 18
4. Le Jeu de la vie ........................................................................................... 19
5. Les autres types d'Automates Cellulaires .................................................... 22
6. Le problème des classifications : .................................................................. 25
6.1. Classification de Stephen Wolfram ......................................................... 25
7. Les applications pratiques ............................................................................ 27
8. Conclusion : .................................................................................................. 28
CHAITRE 03: La segmentation et le filtrage d'images
1. Introduction................................................................................................ 30
2. La segmentation d’images ........................................................................... 30
2.1 Définition de la segmentation .................................................................. 30
2 .2 Définition formelle de la segmentation .................................................. 30
2 .3 Les différentes approches de segmentation ............................................ 31
2.4 Segmentation par approche région.......................................................... 31
2.4.1 Croissance de région (region growing) .............................................. 32
2.4.2 Segmentation par fusion de régions (Merge) .................................... 32
2.4.3 Segmentation par division de régions (Split) .................................... 32
2.4.4 Segmentation par division-fusion (Split and Merge) ......................... 33
2.5 Segmentation par seuillage ..................................................................... 33
2.5 .1 Définition du seuillage ..................................................................... 33
2.5 .2 Le Seuillage global ........................................................................... 35
2.5.3 Le seuillage local ............................................................................... 35
2.6 Approches Contours ............................................................................... 35
2.6 .1 Méthodes dérivatives ........................................................................ 35
2.6 .1.1 L’approche Gradient .................................................................. 36
2.6 .1.2 L’approche Laplacien ................................................................ 38
2.6.2 Méthodes analytiques ........................................................................ 39
2.6.2.1 Approche de Canny et Deriche .................................................... 39
3. Le filtrage ..................................................................................................... 39
3.1 Filtres linéaires ........................................................................................ 39
A. Filtre passe-bas (lissage)........................................................................ 40
B. Filtre Passe-haut (Accentuation) ............................................................ 40
3.2 Filtres non linéaire ................................................................................... 40
3 .2.1 Filtre médian .................................................................................... 41
3.2.2 Filtre maximum ................................................................................ 41
3.2.3 Filtre minimum ................................................................................ 42
4. Les automates cellulaires en traitement d'images .......................................... 42
5. Conclusion .................................................................................................. 43
CHAPITRE 04: Conception, Implémentation des résultats
1. Introduction ............................................................................................... 45
2. Logiciel MATLAB ........................................................................................... 45
2.1 Définition ................................................................................................ 45
2.2. Popularité de Matlab : ............................................................................ 45
2.2.1 Sa richesse : ....................................................................................... 46
2.2.2 L’utilisation de boite à outils (toolboxes) : ........................................ 46
2.2.3 La simplicité de son langage de programmation : ............................. 46
2.2.4 La gestion des variables : ................................................................... 46
2.3 L'environnement de développement : .................................................... 46
3. Boite à outils de traitement d’image (toolbox) : ........................................... 46
3.1. Définition : ............................................................................................. 46
3.2. Lecture et Affichage des images : ........................................................... 47
3.3 Valeurs des pixels et Histogramme ......................................................... 48
3.5 Fonctions liées à l'espace de travail : ....................................................... 48
4. Implémentation : .......................................................................................... 49
4.1 Présentation des Algorithmes ................................................................. 49
4.1.1 Algorithme 1 : L’algorithme de filtrage .............................................. 49
4.1.2 Algorithme 2 : L’algorithme de jeu de la vie pour la détection de contours .......................... 53
4.1.3 Algorithme 3 : L’algorithme de détection de contours ...................... 55
5. Les fonctions de fitness ................................................................................ 57
5.1 L'erreur quadratique moyenne (MSE) ..................................................... 57
5. 2 Le rapport signal-bruit maximal (PSNR) .................................................. 57
6. Résultats expérimentaux .............................................................................. 58
6.1 Résultats de l’algorithme 3 de la détection de contours sur des images à niveaux de gris .............. 58
6.2 Résultats de l’algorithme 2 la détection de contours avec GOL sur des images binaires ............... 61
7. Résultats numériques .............................................................................. 64
8. ConclusionCôte titre : MAI/0260 En ligne : https://drive.google.com/file/d/1hn963eaVt1Sko8vDjo-aVRSHEleLroxV/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0260 MAI/0260 Mémoire Bibliothéque des sciences Français Disponible
DisponibleUtilisation de colonies de fourmis pour la détection de communautés / Kemouche, sahla
Titre : Utilisation de colonies de fourmis pour la détection de communautés Type de document : texte imprimé Auteurs : Kemouche, sahla Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Côte titre : MAI/0208 Utilisation de colonies de fourmis pour la détection de communautés [texte imprimé] / Kemouche, sahla . - [s.d.].
Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Côte titre : MAI/0208 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0208 MAI/0208 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Utilisation de Firefly pour la détection de communautés Type de document : texte imprimé Auteurs : Chouarfa, Touba, Auteur ; KAMEL, N, Directeur de thèse Editeur : Setif:UFA Année de publication : 2017 Importance : 1 vol (41f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Ingénierie des Données
Technologie Web
firefly
détection de communautésIndex. décimale : 004 - Informatique Résumé : Abstract
Empirical analysis of network data has been widely conducted for understanding and
predicting the structure and function of real systems and identifying interesting patterns and
anomalies. One of the most widely studied structural properties of networks is their
community structure. These structures become complex when communities overlap every
time. Many algorithms have been developed to detect such structures. In our dissertation,
we use firefly algorithm to discover community structures. Firefly algorithm is a metaheuristic, based on the light behavior of fireflies. The algorithms we propose generate a
division of the network into groups that contains adjacent elements, and optimize an
objective function that identify the brightest firefly in which the density of these elements
is higher. The space search is explored thanks to the dynamicity of fireflies, where the less
bright firefly move towards the brighter one. The experimentations on real world networks
show that the communities discovered by our approach have a good qualityNote de contenu : Contents
Abstract............................................................................................................................ i
Acknowledgements ........................................................................................................ ii
Contents......................................................................................................................... iii
List of figures................................................................................................................ vii
General introduction ..................................................................................................... 1
1 Community detection................................................................................................ 3
1.1 Introduction..................................................................................................... 3
1.2 Elements of graph theory ................................................................................ 3
1.2.1 Basics definitions..................................................................................... 3
1.2.2 Graph matrices......................................................................................... 4
1.2.3 Real world graphs .................................................................................... 4
1.2.3.1 Social networks................................................................................. 5
1.2.3.2 Biological networks .......................................................................... 6
1.3 Elements of Community Detection................................................................. 6
1.3.1 Definitions of communities...................................................................... 6
1.3.1.1 Local definitions ............................................................................... 7
1.3.1.2 Global definitions.............................................................................. 7
1.3.1.3 Definitions based on vertex similarity .............................................. 7
1.3.2 Community structure................................................................................ 8
1.3.2.1 Basics................................................................................................ 8
1.3.2.2 Modularity......................................................................................... 8
1.3.4 Applications........................................................................................... 10
1.4 Approaches of Community Detection........................................................... 10
1.4.1 Approaches for non-overlapping community detection......................... 11
1.4.1.1 Graph partitioning ........................................................................... 11
1.4.1.2 Hierarchical clustering .................................................................... 11
1.4.1.3 Modularity optimization ................................................................. 12
1.4.2 Approaches for overlapping community detection ................................ 12
1.4.2.1 Link partitioning algorithm............................................................. 12
1.4.2.2 Clique based algorithms.................................................................. 13
1.4.2.3 Fuzzy algorithms............................................................................. 14
1.4.2.4 Local Expansion and Optimization Algorithms.............................. 15
1.4.2.5 Agent-based and dynamic algorithms............................................. 15
1.5 Conclusion .................................................................................................... 16
2 Meta-heuristics for Community detection............................................................ 17
2.1 Introduction................................................................................................... 17
2.2 Meta-heuristics.............................................................................................. 17
2.2.1 Meta-heuristics based unique solution................................................... 17
2.2.1.1 Simulated Annealing....................................................................... 17
2.2.1.2 Tabu search ..................................................................................... 18
2.2.2 Meta-heuristics based population of solutions....................................... 20
2.2.2.1 Evolutionary methods ..................................................................... 20
2.2.2.2 Swarm intelligence methods........................................................... 21
2.3 Firefly algorithm ........................................................................................... 25
2.3.1 Natural behaviors of fireflies ................................................................. 25
2.3.2 Firefly algorithm .................................................................................... 25
2.3.3 Light intensity and attractiveness........................................................... 26
2.4 Metaheuristics for community detection: The state of art ............................ 28
2.5 Conclusion .................................................................................................... 29
3 Proposed algorithms ............................................................................................... 30
3.1 Introduction................................................................................................... 30
3.2 Node-based algorithm................................................................................... 30
3.2.1 Generation of initial population ............................................................. 31
3.2.1.1 Representation of fireflies............................................................... 32
3.2.1.2 Initialization of fireflies population ................................................ 32
3.2.1.3 Extract community structures ......................................................... 32
3.2.2 Objective function.................................................................................. 33
3.2.3 Behavior of fireflies ................................................................................. 34
3.2.3.1 Light intensity and attractiveness.................................................... 34
3.2.3.2 Distance between two fireflies........................................................ 34
3.2.3.3 Movement strategy.......................................................................... 34
3.3 Link-based algorithm .................................................................................... 35
3.3.1 Phase 1: Link communities.................................................................... 36
3.3.1.1 Generation of an initial population ................................................. 36
3.3.1.2 Objective function........................................................................... 38
3.3.2 Phase 2: Nodes communities ................................................................. 39
3.4 Discussion ..................................................................................................... 40
3.5 Implementation ............................................................................................. 40
3.6 Conclusion .................................................................................................... 40
4 Experimentations and results ................................................................................ 42
4.1 Introduction................................................................................................... 42
4.2 Benchmarks................................................................................................... 42
4.2.1 Karate ..................................................................................................... 42
4.2.2 Dolphins................................................................................................. 43
4.2.3 Polbooks................................................................................................. 43
4.2.4 Football .................................................................................................. 43
4.3 Experimental results...................................................................................... 43
4.3.1 Node-based algorithm............................................................................ 43
4.3.2 Link-based algorithm ............................................................................. 45
4.4 Conclusion .................................................................................................... 45
General conclusion....................................................................................................... 46
Bibliography................................................................................................................. 48En ligne : https://drive.google.com/file/d/1rB18zShDjae3vvyJoYI2GtgyKjY7rw1G/view?usp=shari [...] Format de la ressource électronique : Utilisation de Firefly pour la détection de communautés [texte imprimé] / Chouarfa, Touba, Auteur ; KAMEL, N, Directeur de thèse . - [S.l.] : Setif:UFA, 2017 . - 1 vol (41f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Ingénierie des Données
Technologie Web
firefly
détection de communautésIndex. décimale : 004 - Informatique Résumé : Abstract
Empirical analysis of network data has been widely conducted for understanding and
predicting the structure and function of real systems and identifying interesting patterns and
anomalies. One of the most widely studied structural properties of networks is their
community structure. These structures become complex when communities overlap every
time. Many algorithms have been developed to detect such structures. In our dissertation,
we use firefly algorithm to discover community structures. Firefly algorithm is a metaheuristic, based on the light behavior of fireflies. The algorithms we propose generate a
division of the network into groups that contains adjacent elements, and optimize an
objective function that identify the brightest firefly in which the density of these elements
is higher. The space search is explored thanks to the dynamicity of fireflies, where the less
bright firefly move towards the brighter one. The experimentations on real world networks
show that the communities discovered by our approach have a good qualityNote de contenu : Contents
Abstract............................................................................................................................ i
Acknowledgements ........................................................................................................ ii
Contents......................................................................................................................... iii
List of figures................................................................................................................ vii
General introduction ..................................................................................................... 1
1 Community detection................................................................................................ 3
1.1 Introduction..................................................................................................... 3
1.2 Elements of graph theory ................................................................................ 3
1.2.1 Basics definitions..................................................................................... 3
1.2.2 Graph matrices......................................................................................... 4
1.2.3 Real world graphs .................................................................................... 4
1.2.3.1 Social networks................................................................................. 5
1.2.3.2 Biological networks .......................................................................... 6
1.3 Elements of Community Detection................................................................. 6
1.3.1 Definitions of communities...................................................................... 6
1.3.1.1 Local definitions ............................................................................... 7
1.3.1.2 Global definitions.............................................................................. 7
1.3.1.3 Definitions based on vertex similarity .............................................. 7
1.3.2 Community structure................................................................................ 8
1.3.2.1 Basics................................................................................................ 8
1.3.2.2 Modularity......................................................................................... 8
1.3.4 Applications........................................................................................... 10
1.4 Approaches of Community Detection........................................................... 10
1.4.1 Approaches for non-overlapping community detection......................... 11
1.4.1.1 Graph partitioning ........................................................................... 11
1.4.1.2 Hierarchical clustering .................................................................... 11
1.4.1.3 Modularity optimization ................................................................. 12
1.4.2 Approaches for overlapping community detection ................................ 12
1.4.2.1 Link partitioning algorithm............................................................. 12
1.4.2.2 Clique based algorithms.................................................................. 13
1.4.2.3 Fuzzy algorithms............................................................................. 14
1.4.2.4 Local Expansion and Optimization Algorithms.............................. 15
1.4.2.5 Agent-based and dynamic algorithms............................................. 15
1.5 Conclusion .................................................................................................... 16
2 Meta-heuristics for Community detection............................................................ 17
2.1 Introduction................................................................................................... 17
2.2 Meta-heuristics.............................................................................................. 17
2.2.1 Meta-heuristics based unique solution................................................... 17
2.2.1.1 Simulated Annealing....................................................................... 17
2.2.1.2 Tabu search ..................................................................................... 18
2.2.2 Meta-heuristics based population of solutions....................................... 20
2.2.2.1 Evolutionary methods ..................................................................... 20
2.2.2.2 Swarm intelligence methods........................................................... 21
2.3 Firefly algorithm ........................................................................................... 25
2.3.1 Natural behaviors of fireflies ................................................................. 25
2.3.2 Firefly algorithm .................................................................................... 25
2.3.3 Light intensity and attractiveness........................................................... 26
2.4 Metaheuristics for community detection: The state of art ............................ 28
2.5 Conclusion .................................................................................................... 29
3 Proposed algorithms ............................................................................................... 30
3.1 Introduction................................................................................................... 30
3.2 Node-based algorithm................................................................................... 30
3.2.1 Generation of initial population ............................................................. 31
3.2.1.1 Representation of fireflies............................................................... 32
3.2.1.2 Initialization of fireflies population ................................................ 32
3.2.1.3 Extract community structures ......................................................... 32
3.2.2 Objective function.................................................................................. 33
3.2.3 Behavior of fireflies ................................................................................. 34
3.2.3.1 Light intensity and attractiveness.................................................... 34
3.2.3.2 Distance between two fireflies........................................................ 34
3.2.3.3 Movement strategy.......................................................................... 34
3.3 Link-based algorithm .................................................................................... 35
3.3.1 Phase 1: Link communities.................................................................... 36
3.3.1.1 Generation of an initial population ................................................. 36
3.3.1.2 Objective function........................................................................... 38
3.3.2 Phase 2: Nodes communities ................................................................. 39
3.4 Discussion ..................................................................................................... 40
3.5 Implementation ............................................................................................. 40
3.6 Conclusion .................................................................................................... 40
4 Experimentations and results ................................................................................ 42
4.1 Introduction................................................................................................... 42
4.2 Benchmarks................................................................................................... 42
4.2.1 Karate ..................................................................................................... 42
4.2.2 Dolphins................................................................................................. 43
4.2.3 Polbooks................................................................................................. 43
4.2.4 Football .................................................................................................. 43
4.3 Experimental results...................................................................................... 43
4.3.1 Node-based algorithm............................................................................ 43
4.3.2 Link-based algorithm ............................................................................. 45
4.4 Conclusion .................................................................................................... 45
General conclusion....................................................................................................... 46
Bibliography................................................................................................................. 48En ligne : https://drive.google.com/file/d/1rB18zShDjae3vvyJoYI2GtgyKjY7rw1G/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0209 MAI/0209 Mémoire Bibliothéque des sciences Français Disponible
DisponiblePermalinkUtilisation des méthodes formelles pour la vérification des systèmes interactifs / MOUFFOK, Reguia
PermalinkUtilisation de pso pour la localisation des capteurs / Annane,hadda
PermalinkUtilisation des réseaux de neurones pour la reconnaissance des caractères manuscrits arabes / Dribiza, Ouard
PermalinkPermalinkPermalinkVehicular Cloud computing : qualité de services / Kebiche, hannan
PermalinkVérification formelle d'un protocole de l'accroissement de la longévité des réseaux de capteurs sons fil par des stations de base robustes / KHELLOUFI, ZAKARIA
PermalinkVers une Amélioration de la qualite de service dans les reseaux de telecommunications mobile / ikram Bara
PermalinkVers une approche incrémentale pour la fragmentation horizontale dans les entrepôts de données relationnels / Mansouri,zakaria
Permalink