University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'indexation
Ouvrages de la bibliothèque en indexation 004
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
Modélisation et Animation d’un Avatar 3D en utilisant les technologie Web3d / KHOMS , Moustapha Habib
Titre : Modélisation et Animation d’un Avatar 3D en utilisant les technologie Web3d Type de document : texte imprimé Auteurs : KHOMS , Moustapha Habib ; LAKHFIF, A, Directeur de thèse Editeur : Setif:UFA Année de publication : 2016 Importance : 1 vol (49f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Génie Logiciel
modélisation
animation
web3dIndex. décimale : 004 Informatique Côte titre : MAI/0092 Modélisation et Animation d’un Avatar 3D en utilisant les technologie Web3d [texte imprimé] / KHOMS , Moustapha Habib ; LAKHFIF, A, Directeur de thèse . - [S.l.] : Setif:UFA, 2016 . - 1 vol (49f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Génie Logiciel
modélisation
animation
web3dIndex. décimale : 004 Informatique Côte titre : MAI/0092 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0092 MAI/0092 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Modélisation de la diffusion sur les réseaux sociaux Type de document : texte imprimé Auteurs : Berbache,Abir, Auteur ; HARBOUCHE, K, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (59 f .) Format : 29cm Langues : Français (fre) Langues originales : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Réseaux sociaux Index. décimale : 004 Informatique Résumé : Résumé
Les médias sociaux sont une source d'information lors de déférents événements, telle que les tremblements de terre. Les données produites à travers ces évènements sont accessibles par tous les utilisateurs de media sociaux. Cependant, avec l'augmentation exponentielle du volume des données sur les médias sociaux, s'ajoute l'augmentation des données non pertinentes, réduisant ainsi la capacité des personnes à trouver l'information dont elles ont besoin.
Ce travail de fin d’étude concerne l'analyse de données non structurées et bruitées, identifier les évènements des tweets dans les flux de médias sociaux, afin d'automatiser un système de classification lors d'événement de tremblement de terre.
Notre démarche concerne le filtrage et le prétraitement de ces données bruitées et courtes. La deuxième étape a trait à la reconnaissance des entités apparaissent dans les messages (ex: hashtags, auteurs) dans les tweets. Ainsi, l'adaptation des outils existants pour les langues naturelles, au langage bruité et non précis des tweets, est nécessaire. Et notre contribution implique l'utilisation d’apprentissage supervisé (SVM, CNN) reposant sur l'analyse de contenu des messages ce qui a aidé à l’amélioration des performances de notre système de classification.
Notre travail concerne les données de l'évènement de tremblement de terre. Nous avons évalué et comparé la méthode d’apprentissage traditionnel SVM avec les CNN, Les résultats expérimentaux montrent que l'approche proposée de l’apprentissage en profondeur CNN (accuracy = 88.63) réalise des améliorations substantielles par rapport aux méthodes de machine Learning traditionnel SVM (accuracy = 83.59).
Côte titre : MAI/0217 En ligne : https://drive.google.com/file/d/11F5jw79WMXQs127pNp-fPB2anRjXcrlD/view?usp=shari [...] Format de la ressource électronique : Modélisation de la diffusion sur les réseaux sociaux [texte imprimé] / Berbache,Abir, Auteur ; HARBOUCHE, K, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (59 f .) ; 29cm.
Langues : Français (fre) Langues originales : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Réseaux sociaux Index. décimale : 004 Informatique Résumé : Résumé
Les médias sociaux sont une source d'information lors de déférents événements, telle que les tremblements de terre. Les données produites à travers ces évènements sont accessibles par tous les utilisateurs de media sociaux. Cependant, avec l'augmentation exponentielle du volume des données sur les médias sociaux, s'ajoute l'augmentation des données non pertinentes, réduisant ainsi la capacité des personnes à trouver l'information dont elles ont besoin.
Ce travail de fin d’étude concerne l'analyse de données non structurées et bruitées, identifier les évènements des tweets dans les flux de médias sociaux, afin d'automatiser un système de classification lors d'événement de tremblement de terre.
Notre démarche concerne le filtrage et le prétraitement de ces données bruitées et courtes. La deuxième étape a trait à la reconnaissance des entités apparaissent dans les messages (ex: hashtags, auteurs) dans les tweets. Ainsi, l'adaptation des outils existants pour les langues naturelles, au langage bruité et non précis des tweets, est nécessaire. Et notre contribution implique l'utilisation d’apprentissage supervisé (SVM, CNN) reposant sur l'analyse de contenu des messages ce qui a aidé à l’amélioration des performances de notre système de classification.
Notre travail concerne les données de l'évènement de tremblement de terre. Nous avons évalué et comparé la méthode d’apprentissage traditionnel SVM avec les CNN, Les résultats expérimentaux montrent que l'approche proposée de l’apprentissage en profondeur CNN (accuracy = 88.63) réalise des améliorations substantielles par rapport aux méthodes de machine Learning traditionnel SVM (accuracy = 83.59).
Côte titre : MAI/0217 En ligne : https://drive.google.com/file/d/11F5jw79WMXQs127pNp-fPB2anRjXcrlD/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0217 MAI/0217 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Modélisation d’une interface gestuelle pour la classification des Images. Type de document : texte imprimé Auteurs : SAIDI, Fatima ; TOUAHRIA, M, Directeur de thèse Editeur : Setif:UFA Année de publication : 2012 Importance : 1 vol (64f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Génie logiciel
modélisation
interface gestuelle
imageIndex. décimale : 004 Informatique Résumé :
Conclusion
Les interfaces gestuelles sont un axe de recherche du domaine de l’interaction homme-machine, l’utilisateur interagit avec le système informatique pour réaliser des taches. Les moyens d’actions et de perceptions, dits « modalité d’interaction », sont les médiateurs matériels et logiciels permettant à un utilisateur d’agir sur le système informatique ou de percevoir son état.
Le traitement d’image est devenu un nouveau domaine technologique, est une discipline nouvelle qui s’est développée rapidement grâce à l’émergence des nouvelles technologies de l’information. Il s’appuie notamment sur les mathématiques, c’est pourquoi on a spécifié quelques opérations telles-que la rotation, le zoom et la classification des images selon un critère dont on a exposé l’application par des figures citées précédemment.
Note de contenu :
Sommaire.
I. Chapitre 01 : concepts sur les IHM.
II. Chapitre 02 : les interfaces gestuelles.
III. Chapitre 03 : présentation et analyse détaillée de l’application.
IV. Chapitre 04 : réalisation et validation
Côte titre : MAI/0038 Modélisation d’une interface gestuelle pour la classification des Images. [texte imprimé] / SAIDI, Fatima ; TOUAHRIA, M, Directeur de thèse . - [S.l.] : Setif:UFA, 2012 . - 1 vol (64f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Génie logiciel
modélisation
interface gestuelle
imageIndex. décimale : 004 Informatique Résumé :
Conclusion
Les interfaces gestuelles sont un axe de recherche du domaine de l’interaction homme-machine, l’utilisateur interagit avec le système informatique pour réaliser des taches. Les moyens d’actions et de perceptions, dits « modalité d’interaction », sont les médiateurs matériels et logiciels permettant à un utilisateur d’agir sur le système informatique ou de percevoir son état.
Le traitement d’image est devenu un nouveau domaine technologique, est une discipline nouvelle qui s’est développée rapidement grâce à l’émergence des nouvelles technologies de l’information. Il s’appuie notamment sur les mathématiques, c’est pourquoi on a spécifié quelques opérations telles-que la rotation, le zoom et la classification des images selon un critère dont on a exposé l’application par des figures citées précédemment.
Note de contenu :
Sommaire.
I. Chapitre 01 : concepts sur les IHM.
II. Chapitre 02 : les interfaces gestuelles.
III. Chapitre 03 : présentation et analyse détaillée de l’application.
IV. Chapitre 04 : réalisation et validation
Côte titre : MAI/0038 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0038 MAI/0038 Mémoire Bibliothéque des sciences Français Disponible
DisponibleModélisation de la mobilité de la station de base par les réseaux de neurones / Hadj sahraoui,charaf Eddine
![]()
Titre : Modélisation de la mobilité de la station de base par les réseaux de neurones Type de document : texte imprimé Auteurs : Hadj sahraoui,charaf Eddine ; Djamila Mechta, Directeur de thèse Editeur : Setif:UFA Année de publication : 2017 Importance : 1 vol (47f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Réseaux
Systèmes Distribués
WSN
Station de base
bio-inspirées
neuronesIndex. décimale : 004 Informatique Résumé : RÉSUMÉ
Un réseau de capteurs sans fil (RCSF) est un ensemble d’un grand nombre de nœuds
autonomes équipés de capacités de détection, d’interfaces de communication sans fil, de
traitement limité (CPU),de stockage de données et de ressources énergétiques.Sachant que
la consommation d’énergie a toujours été un problème pour ce genre de réseau,c’est pourquoi
la mobilité de la station de base (SB) a été exploitée dans d’énormes projets pour résoudre
ce problème et prolonger la durée de vie de RCSF. Il existe un certain nombre de modèles
différents d’intelligence d’essaims qui peuvent présenter de puissantes sources d’inspiration
pour les chercheurs dans le domaine RCSF mobiles, comme l’optimisation des colonies de
fourmis (ACO), l’optimisation des essaims de particules (PSO), l’essaimage des abeilles,
l’essaim de poisson artificiel (AFS) et les fourrages bactériens et autres.L’objectif principale
de notre mémoire est de proposer un nouveau modèle de mobilité de la SB en se basant sur
l’une des méthodes bio inspirée. Notre choix s’est porté sur les Réseaux de neurones.On a
essayé de mettre en œuvre notre proposition ( prtocole LBSNN ) et on a comparé les résultats
obtenus avec le protocole LEACH et on a trouvé des résultats satisfaisants.Note de contenu : Table des matières
1 État de l’art 4
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Avantages de la mobilité dans les WSN : . . . . . . . . . . . . . . . . . . . 4
1.3 La station de base mobile dans les WSN . . . . . . . . . . . . . . . . . . . 5
1.3.1 Types de mobilité des BS dans WSN . . . . . . . . . . . . . . . . 6
1.3.1.1 - Modèle de mobilité aléatoire / imprévisible . . . . . . . 6
1.3.1.2 - Modèle de mobilité prévisible / fixe . . . . . . . . . . . 6
1.3.1.3 - Modèle de mobilité contrôlée . . . . . . . . . . . . . . 7
1.4 Stratégies de déplacement pour la BS mobile dans WSN . . . . . . . . . . 7
1.4.1 Mobile Sink based Routing Protocol (MSRP) . . . . . . . . . . . . 8
1.4.1.1 Discussion : . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4.2 Multiple Enhanced Specified deployed Sub-sinks (MESS) : . . . . 8
1.4.2.1 Discussion : . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4.3 Energy Efficient data collection in Grid based WSN unsing a mobile
sink . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4.3.1 - la mobilité de station de base . . . . . . . . . . . . . . 9
1.4.4 Improved WSN Life Time Duration through Adaptive Clustering,
Duty Cycling and Sink Mobility . . . . . . . . . . . . . . . . . . . 9
1.4.5 Improving LEACH-C Using Sink Mobility 2016(LEACH-CM) . . 10
1.5 Intelligence d’essaim et mobilité dans WSN . . . . . . . . . . . . . . . . . 11
1.5.1 Performance of Mobile Base Station Using Genetic Algorithms in
Wireless Sensor Networks . . . . . . . . . . . . . . . . . . . . . . 11
1.5.2 Ant Colony Optimization Algorithm for Lifetime Maximization in
WirelessSensor Network with Mobile Sink . . . . . . . . . . . . . 12
1.5.2.1 - prinicpe de fonctionnement de l’algorithme ACO . . . . 12
1.5.2.2 - Discussion : . . . . . . . . . . . . . . . . . . . . . . . 14
1.5.3 Bio inspired method Digital Hormone Model (DHM) with mobile
sink nodes in WSNs . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5.3.1 principe de fonctionnement de Digital Hormone Model . 15
1.5.3.2 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5.4 Particle swarm optimization based clustering algorithm with mobile
sink for WSNs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5.4.1 Principe d’algorithme du PSO . . . . . . . . . . . . . . . 16
1.5.5 Optimization-Based Artificial Bee Colony Algorithm for Data Collection in Large Scale Mobile Wireless Sensor Networks . . . . . . 19
1.5.5.1 Principe d’algorithme ABC . . . . . . . . . . . . . . . . 19
1.5.5.2 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.5.6 Algorithme basé sur les réseaux neurone : CNN-LEACH . . . . . 21
1.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2 Protocole Proposé : LBSNN 23
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 Protocole LEACH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2.1 Phase de configuration (setup phase) . . . . . . . . . . . . . . . . . 24
2.2.2 Phase de transmission (steady state phase) . . . . . . . . . . . . . . 24
2.3 Description du protocole proposé . . . . . . . . . . . . . . . . . . . . . . 25
2.3.1 Le modèle de réseau . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3.1.1 Hypothèses : . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3.2 Le modèle d’énergie . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4 Conception du protocoles proposés . . . . . . . . . . . . . . . . . . . . . . 27
2.4.1 élection de Cluster-Head (CH) dans LBSNN . . . . . . . . . . . . 28
2.4.2 Division du réseau en grilles . . . . . . . . . . . . . . . . . . . . . 29
2.5 Mouvement de la SB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.5.1 Algorithme de KOHONEN (SOM) . . . . . . . . . . . . . . . . . 31
2.5.2 Notre algorithme . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.5.2.1 Comment on a procédé ? . . . . . . . . . . . . . . . . . . 32
2.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3 Simulation et Résultat 35
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2 L’environnement de développement . . . . . . . . . . . . . . . . . . . . . 35
3.3 Paramètres de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.4 Les métrique du performance . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.5 Simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.5.1 Comparaison en termes d’énergie consommée . . . . . . . . . . . . 38
3.5.1.1 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.5.2 Comparaison en termes de durée de vie du réseau . . . . . . . . . . 38
3.5.2.1 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.5.3 Comparaison en termes de quantité de données reçues par la SB . . 41
3.5.3.1 Discussion : . . . . . . . . . . . . . . . . . . . . . . . . 41
3.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
Bibliographie 45Côte titre : MAI/0156 En ligne : https://drive.google.com/file/d/1stanjkJovv6zv3oUdQPBJMn-78iPebsA/view?usp=shari [...] Format de la ressource électronique : Modélisation de la mobilité de la station de base par les réseaux de neurones [texte imprimé] / Hadj sahraoui,charaf Eddine ; Djamila Mechta, Directeur de thèse . - [S.l.] : Setif:UFA, 2017 . - 1 vol (47f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Réseaux
Systèmes Distribués
WSN
Station de base
bio-inspirées
neuronesIndex. décimale : 004 Informatique Résumé : RÉSUMÉ
Un réseau de capteurs sans fil (RCSF) est un ensemble d’un grand nombre de nœuds
autonomes équipés de capacités de détection, d’interfaces de communication sans fil, de
traitement limité (CPU),de stockage de données et de ressources énergétiques.Sachant que
la consommation d’énergie a toujours été un problème pour ce genre de réseau,c’est pourquoi
la mobilité de la station de base (SB) a été exploitée dans d’énormes projets pour résoudre
ce problème et prolonger la durée de vie de RCSF. Il existe un certain nombre de modèles
différents d’intelligence d’essaims qui peuvent présenter de puissantes sources d’inspiration
pour les chercheurs dans le domaine RCSF mobiles, comme l’optimisation des colonies de
fourmis (ACO), l’optimisation des essaims de particules (PSO), l’essaimage des abeilles,
l’essaim de poisson artificiel (AFS) et les fourrages bactériens et autres.L’objectif principale
de notre mémoire est de proposer un nouveau modèle de mobilité de la SB en se basant sur
l’une des méthodes bio inspirée. Notre choix s’est porté sur les Réseaux de neurones.On a
essayé de mettre en œuvre notre proposition ( prtocole LBSNN ) et on a comparé les résultats
obtenus avec le protocole LEACH et on a trouvé des résultats satisfaisants.Note de contenu : Table des matières
1 État de l’art 4
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Avantages de la mobilité dans les WSN : . . . . . . . . . . . . . . . . . . . 4
1.3 La station de base mobile dans les WSN . . . . . . . . . . . . . . . . . . . 5
1.3.1 Types de mobilité des BS dans WSN . . . . . . . . . . . . . . . . 6
1.3.1.1 - Modèle de mobilité aléatoire / imprévisible . . . . . . . 6
1.3.1.2 - Modèle de mobilité prévisible / fixe . . . . . . . . . . . 6
1.3.1.3 - Modèle de mobilité contrôlée . . . . . . . . . . . . . . 7
1.4 Stratégies de déplacement pour la BS mobile dans WSN . . . . . . . . . . 7
1.4.1 Mobile Sink based Routing Protocol (MSRP) . . . . . . . . . . . . 8
1.4.1.1 Discussion : . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4.2 Multiple Enhanced Specified deployed Sub-sinks (MESS) : . . . . 8
1.4.2.1 Discussion : . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4.3 Energy Efficient data collection in Grid based WSN unsing a mobile
sink . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4.3.1 - la mobilité de station de base . . . . . . . . . . . . . . 9
1.4.4 Improved WSN Life Time Duration through Adaptive Clustering,
Duty Cycling and Sink Mobility . . . . . . . . . . . . . . . . . . . 9
1.4.5 Improving LEACH-C Using Sink Mobility 2016(LEACH-CM) . . 10
1.5 Intelligence d’essaim et mobilité dans WSN . . . . . . . . . . . . . . . . . 11
1.5.1 Performance of Mobile Base Station Using Genetic Algorithms in
Wireless Sensor Networks . . . . . . . . . . . . . . . . . . . . . . 11
1.5.2 Ant Colony Optimization Algorithm for Lifetime Maximization in
WirelessSensor Network with Mobile Sink . . . . . . . . . . . . . 12
1.5.2.1 - prinicpe de fonctionnement de l’algorithme ACO . . . . 12
1.5.2.2 - Discussion : . . . . . . . . . . . . . . . . . . . . . . . 14
1.5.3 Bio inspired method Digital Hormone Model (DHM) with mobile
sink nodes in WSNs . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5.3.1 principe de fonctionnement de Digital Hormone Model . 15
1.5.3.2 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5.4 Particle swarm optimization based clustering algorithm with mobile
sink for WSNs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5.4.1 Principe d’algorithme du PSO . . . . . . . . . . . . . . . 16
1.5.5 Optimization-Based Artificial Bee Colony Algorithm for Data Collection in Large Scale Mobile Wireless Sensor Networks . . . . . . 19
1.5.5.1 Principe d’algorithme ABC . . . . . . . . . . . . . . . . 19
1.5.5.2 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.5.6 Algorithme basé sur les réseaux neurone : CNN-LEACH . . . . . 21
1.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2 Protocole Proposé : LBSNN 23
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 Protocole LEACH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2.1 Phase de configuration (setup phase) . . . . . . . . . . . . . . . . . 24
2.2.2 Phase de transmission (steady state phase) . . . . . . . . . . . . . . 24
2.3 Description du protocole proposé . . . . . . . . . . . . . . . . . . . . . . 25
2.3.1 Le modèle de réseau . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3.1.1 Hypothèses : . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3.2 Le modèle d’énergie . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4 Conception du protocoles proposés . . . . . . . . . . . . . . . . . . . . . . 27
2.4.1 élection de Cluster-Head (CH) dans LBSNN . . . . . . . . . . . . 28
2.4.2 Division du réseau en grilles . . . . . . . . . . . . . . . . . . . . . 29
2.5 Mouvement de la SB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.5.1 Algorithme de KOHONEN (SOM) . . . . . . . . . . . . . . . . . 31
2.5.2 Notre algorithme . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.5.2.1 Comment on a procédé ? . . . . . . . . . . . . . . . . . . 32
2.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3 Simulation et Résultat 35
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.2 L’environnement de développement . . . . . . . . . . . . . . . . . . . . . 35
3.3 Paramètres de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.4 Les métrique du performance . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.5 Simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.5.1 Comparaison en termes d’énergie consommée . . . . . . . . . . . . 38
3.5.1.1 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.5.2 Comparaison en termes de durée de vie du réseau . . . . . . . . . . 38
3.5.2.1 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.5.3 Comparaison en termes de quantité de données reçues par la SB . . 41
3.5.3.1 Discussion : . . . . . . . . . . . . . . . . . . . . . . . . 41
3.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
Bibliographie 45Côte titre : MAI/0156 En ligne : https://drive.google.com/file/d/1stanjkJovv6zv3oUdQPBJMn-78iPebsA/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0156 MAI/0156 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Modélisation d’ontologies dans le domaine du e-Learning Type de document : texte imprimé Auteurs : MEZGHICH, Meriem ; KHENTOUT,C, Directeur de thèse Editeur : Setif:UFA Année de publication : 2015 Importance : 1 vol (57f.) Format : 29 cm Langues : Français (fre) Catégories : Informatique
Thèses & Mémoires:InformatiqueMots-clés : Web sémantique, ontologie, e-learning, OWL. Index. décimale : 004 Informatique Résumé : Résumé
De nos jours avec l’avènement de l’Internet, les nouvelles Technologies de
l’Information et de la Communication "TIC" améliorent profondément nos façons de
s’informer, et de communiquer. Cette émergence technologique fait apparaître un nouveau
mode d’apprentissage connu sous le nom de e-learning. Celui-ci est basé sur l’accès à des
formations en ligne, interactives et parfois personnalisées, diffusées par l’intermédiaire
d’un réseau (Internet ou Intranet). Cet accès permet de développer les compétences des
apprenants, tout en rendant le processus d’apprentissage indépendant du temps et du lieu.
Ce mémoire propose de bénéficier de ces nouvelles TICs par l’intégration des
concepts innovants du Web sémantique et des ontologies dans le domaine de
l’apprentissage médiatisé sur le Web. Et dans le but d’améliorer la qualité de l’e-learning,
nous proposons une plate-forme d’apprentissage à distance basée sur une ontologie de
domaine qui sert à répondre à certains besoins des utilisateurs (apprenants et enseignants).
Note de contenu : Table des matières
Table des matières…………………………………........………..…………………. I
Liste des figures…………………………………………...........……………............ III
Liste des tableaux..........…………………………………..........……………........... IV
Introduction générale……………………………………………………………...... 1
Chapitre I : Le Web Sémantique et le E-learning
1. Introduction………………………………………………………………….……... 3
2. E-learning ………………………………………………………………….………. 3
2.1. Un peu d’historique ………………………………………………….………… 3
2.2. Définition du E-learning …..……………………………………….…………... 4
2.3. Plate forme du e-learning …..…………………………………….………….... 4
2.4. Ressources pédagogiques …..……………………………………..………….... 4
3. Le Web Sémantique .........…………………………………………........................ 5
3.1. Définition du Web Sémantique …..……...………………………….……….... 5
3.2. Principes généraux du web sémantique………..…….……….........……...…… 6
3.3. Les langages du Web Sémantique…………...……….……….........………….. 6
3.3.1. XML (EXtended Markup Language) ……………….....……………..….. 6
3.3.2. RDF (Resource Description Framework) ……………………………...... 6
3.3.3. RDFS (RDF schéma) ……………………………..……………………... 8
3.3.4. OWL (Ontology Web Language) ……………………………………....... 9
3.3.5. SPARQL (SPARQL Protocol and RDF Query Language)......………...... 9
3.4. L’architecture de Web Sémantique ………........……………….……….…..…. 9
3.5. Impact du Web Sémantique sur e-learning ………........…………………...…. 10
4. Les ontologies……………………….………………………………………….….. 11
4.1. L’origine de l’ontologie ………………………..…………………………….… 11
4.2. Définition de l’ontologie en informatique …………………......…………….... 12
4.3. Les composantes de l’ontologie……….......……………………...................... 13
4.3.1. Les concepts …………….………………………………………….……. 13
4.3.2. Les relations …………..……………………………………...…….….… 13
4.3.3. Les propriétés…………..…………………………………….………….. 13
4.3.4. Les fonctions ……….…..………………………………………………... 13
4.3.5. Les axiomes …………………………………………………………........ 13
4.3.6. Les instances ………………………………………………………….….. 13
4.4. Les méthodologies de construction d’une ontologie …..……………………..... 14
4.4.1. La méthode METHONTOLOGY …………..……………………..…….. 14
4.4.2. La méthode de KACTUS …………..………….……………………..….. 14
4.4.3. La méthode 101……..…………………………………….............……... 15
4.5. Les outils de développement des ontologies ….....…………………………….. 15
4.5.1. PROTÉGÉ …….....................................................………………..…….. 15
4.5.2. OILEd ……........................................................................................…… 15
4.5.3. SWOOP ……….................................................................................…… 16
4.6. Les ontologies et le e-learning...............……………………………..............… 16
5. Les Indexation des documents pédagogiques ………………………………….….. 16
6. Quelques travaux de conception/développement des environnements d’apprentissage
utilisant les ontologies ……………...…….............…………………………............. 17
7. Conclusion………………………………………………………...............….…… 18
Chapitre II : Modélisation conceptuelle
1. Introduction………………………………………….…………………………….. 19
2. La conception de l’ontologie …………………………………………………….… 19
2.1. Spécification des besoins …………………………………………………….… 19
2.2. La conceptualisation……………………………………………………………. 20
2.2.1. Construction du glossaire de termes ……………………………………… 21
2.2.2. Classification des concepts en hiérarchies de concepts ………………….. 23
2.2.3. Diagramme des relations binaires ………………………………..………. 23
2.2.4. Construction d’un dictionnaire de concepts ……………………..……….. 24
2.2.5. Construction de la table des relations binaires……………………………. 26
2.2.6. Construction de table des attributs ……………………………….………. 27
2.2.7. Construction de la table des axiomes …………………………….………. 29
2.3. Formalisation ……..............………………………………………………….... 30
3. La conception de notre environnement d’apprentissage …………………………… 32
3.1 Cahier des charges ………………………………………………………………. 32
3.1.1. Les acteurs de notre système……………………………………………... 32
3.2. Diagrammes des cas d’utilisation ……………………..……………………….. 34
4. Conclusion ………………………………………………………………………….. 36
Chapitre III : Réalisation
1. Introduction………………………………………….………………………….….. 37
2. Les outils et les technologies utilisés …………………………………………….… 37
2.1. L’éditeur PROTEGE ……………………………….......…………………….… 37
2.2. L’IDE Eclipse ………………….........…………………………………………. 37
2.3. Java EE ……………...................………………………………………………. 37
2.4. Le serveur Tomcat ……………………………………………..………………. 38
2.5. Les servlets …………………………………………….............………………. 38
2.6. La technologie JSP (Java Server Pages) ……………………….………………. 38
2.7. Le framework Jena ……………………………………………..………………. 38
3. Implémentation de l’ontologie ……….……………........………….…………….… 39
3.1. L’édition de l’ontologie ………..…………………………………………….… 39
3.1.1. Création des concepts ………………………………......................……… 40
3.1.2. Création des relations ………...................................................………….. 40
3.1.3. Création des attributs ………….......................…………………………… 41
3.1.4. La vérification de l’ontologie……........................................…………….. 42
3.1.5. La génération du code OWL …………............…………………………… 43
4. Présentation de l’application ………..………….....…......……………………….… 44
4.1. Page d’accueil …………………………………………….................……….… 44
4.1.1. Scénario d'utilisation par l’apprenant ……………………………..……… 45
4.1.2. Scénario d'utilisation par l’enseignant …………..........................……….. 50
4.1.3. Scénario d'utilisation par l’administrateur …………………….…..……… 52
5. Conclusion ………………………………………………………………………….. 53
Conclusion générale………………………………………………………................... 54
Bibliographie………………………………………………………............................. 55Côte titre : MAI/0053 En ligne : https://drive.google.com/file/d/1I_5FQbiWpMsRvT2ttZEDj_I_8-P2vh97/view?usp=shari [...] Format de la ressource électronique : Modélisation d’ontologies dans le domaine du e-Learning [texte imprimé] / MEZGHICH, Meriem ; KHENTOUT,C, Directeur de thèse . - [S.l.] : Setif:UFA, 2015 . - 1 vol (57f.) ; 29 cm.
Langues : Français (fre)
Catégories : Informatique
Thèses & Mémoires:InformatiqueMots-clés : Web sémantique, ontologie, e-learning, OWL. Index. décimale : 004 Informatique Résumé : Résumé
De nos jours avec l’avènement de l’Internet, les nouvelles Technologies de
l’Information et de la Communication "TIC" améliorent profondément nos façons de
s’informer, et de communiquer. Cette émergence technologique fait apparaître un nouveau
mode d’apprentissage connu sous le nom de e-learning. Celui-ci est basé sur l’accès à des
formations en ligne, interactives et parfois personnalisées, diffusées par l’intermédiaire
d’un réseau (Internet ou Intranet). Cet accès permet de développer les compétences des
apprenants, tout en rendant le processus d’apprentissage indépendant du temps et du lieu.
Ce mémoire propose de bénéficier de ces nouvelles TICs par l’intégration des
concepts innovants du Web sémantique et des ontologies dans le domaine de
l’apprentissage médiatisé sur le Web. Et dans le but d’améliorer la qualité de l’e-learning,
nous proposons une plate-forme d’apprentissage à distance basée sur une ontologie de
domaine qui sert à répondre à certains besoins des utilisateurs (apprenants et enseignants).
Note de contenu : Table des matières
Table des matières…………………………………........………..…………………. I
Liste des figures…………………………………………...........……………............ III
Liste des tableaux..........…………………………………..........……………........... IV
Introduction générale……………………………………………………………...... 1
Chapitre I : Le Web Sémantique et le E-learning
1. Introduction………………………………………………………………….……... 3
2. E-learning ………………………………………………………………….………. 3
2.1. Un peu d’historique ………………………………………………….………… 3
2.2. Définition du E-learning …..……………………………………….…………... 4
2.3. Plate forme du e-learning …..…………………………………….………….... 4
2.4. Ressources pédagogiques …..……………………………………..………….... 4
3. Le Web Sémantique .........…………………………………………........................ 5
3.1. Définition du Web Sémantique …..……...………………………….……….... 5
3.2. Principes généraux du web sémantique………..…….……….........……...…… 6
3.3. Les langages du Web Sémantique…………...……….……….........………….. 6
3.3.1. XML (EXtended Markup Language) ……………….....……………..….. 6
3.3.2. RDF (Resource Description Framework) ……………………………...... 6
3.3.3. RDFS (RDF schéma) ……………………………..……………………... 8
3.3.4. OWL (Ontology Web Language) ……………………………………....... 9
3.3.5. SPARQL (SPARQL Protocol and RDF Query Language)......………...... 9
3.4. L’architecture de Web Sémantique ………........……………….……….…..…. 9
3.5. Impact du Web Sémantique sur e-learning ………........…………………...…. 10
4. Les ontologies……………………….………………………………………….….. 11
4.1. L’origine de l’ontologie ………………………..…………………………….… 11
4.2. Définition de l’ontologie en informatique …………………......…………….... 12
4.3. Les composantes de l’ontologie……….......……………………...................... 13
4.3.1. Les concepts …………….………………………………………….……. 13
4.3.2. Les relations …………..……………………………………...…….….… 13
4.3.3. Les propriétés…………..…………………………………….………….. 13
4.3.4. Les fonctions ……….…..………………………………………………... 13
4.3.5. Les axiomes …………………………………………………………........ 13
4.3.6. Les instances ………………………………………………………….….. 13
4.4. Les méthodologies de construction d’une ontologie …..……………………..... 14
4.4.1. La méthode METHONTOLOGY …………..……………………..…….. 14
4.4.2. La méthode de KACTUS …………..………….……………………..….. 14
4.4.3. La méthode 101……..…………………………………….............……... 15
4.5. Les outils de développement des ontologies ….....…………………………….. 15
4.5.1. PROTÉGÉ …….....................................................………………..…….. 15
4.5.2. OILEd ……........................................................................................…… 15
4.5.3. SWOOP ……….................................................................................…… 16
4.6. Les ontologies et le e-learning...............……………………………..............… 16
5. Les Indexation des documents pédagogiques ………………………………….….. 16
6. Quelques travaux de conception/développement des environnements d’apprentissage
utilisant les ontologies ……………...…….............…………………………............. 17
7. Conclusion………………………………………………………...............….…… 18
Chapitre II : Modélisation conceptuelle
1. Introduction………………………………………….…………………………….. 19
2. La conception de l’ontologie …………………………………………………….… 19
2.1. Spécification des besoins …………………………………………………….… 19
2.2. La conceptualisation……………………………………………………………. 20
2.2.1. Construction du glossaire de termes ……………………………………… 21
2.2.2. Classification des concepts en hiérarchies de concepts ………………….. 23
2.2.3. Diagramme des relations binaires ………………………………..………. 23
2.2.4. Construction d’un dictionnaire de concepts ……………………..……….. 24
2.2.5. Construction de la table des relations binaires……………………………. 26
2.2.6. Construction de table des attributs ……………………………….………. 27
2.2.7. Construction de la table des axiomes …………………………….………. 29
2.3. Formalisation ……..............………………………………………………….... 30
3. La conception de notre environnement d’apprentissage …………………………… 32
3.1 Cahier des charges ………………………………………………………………. 32
3.1.1. Les acteurs de notre système……………………………………………... 32
3.2. Diagrammes des cas d’utilisation ……………………..……………………….. 34
4. Conclusion ………………………………………………………………………….. 36
Chapitre III : Réalisation
1. Introduction………………………………………….………………………….….. 37
2. Les outils et les technologies utilisés …………………………………………….… 37
2.1. L’éditeur PROTEGE ……………………………….......…………………….… 37
2.2. L’IDE Eclipse ………………….........…………………………………………. 37
2.3. Java EE ……………...................………………………………………………. 37
2.4. Le serveur Tomcat ……………………………………………..………………. 38
2.5. Les servlets …………………………………………….............………………. 38
2.6. La technologie JSP (Java Server Pages) ……………………….………………. 38
2.7. Le framework Jena ……………………………………………..………………. 38
3. Implémentation de l’ontologie ……….……………........………….…………….… 39
3.1. L’édition de l’ontologie ………..…………………………………………….… 39
3.1.1. Création des concepts ………………………………......................……… 40
3.1.2. Création des relations ………...................................................………….. 40
3.1.3. Création des attributs ………….......................…………………………… 41
3.1.4. La vérification de l’ontologie……........................................…………….. 42
3.1.5. La génération du code OWL …………............…………………………… 43
4. Présentation de l’application ………..………….....…......……………………….… 44
4.1. Page d’accueil …………………………………………….................……….… 44
4.1.1. Scénario d'utilisation par l’apprenant ……………………………..……… 45
4.1.2. Scénario d'utilisation par l’enseignant …………..........................……….. 50
4.1.3. Scénario d'utilisation par l’administrateur …………………….…..……… 52
5. Conclusion ………………………………………………………………………….. 53
Conclusion générale………………………………………………………................... 54
Bibliographie………………………………………………………............................. 55Côte titre : MAI/0053 En ligne : https://drive.google.com/file/d/1I_5FQbiWpMsRvT2ttZEDj_I_8-P2vh97/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0053 MAI/0053 Mémoire Bibliothéque des sciences Français Disponible
DisponiblePermalinkPermalinkPermalinkPermalinkPermalinkMultimodalité biométrique dans le cadre d’une application d’authentification / Houda Benaliouche
![]()
PermalinkPermalinkPermalinkPermalinkPermalink