Catalogue des Mémoires de master
Résultat de la recherche
8 résultat(s) recherche sur le tag 'classification' 
Affiner la recherche Générer le flux rss de la recherche
Partager le résultat de cette recherche
Titre : Classification supervisée des images échographiques Type de document : texte imprimé Auteurs : Dounia Kitouni, Auteur ; Fella Hachouf, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2017 Importance : 45 f. Format : 30 cm. Note générale : Une copie électronique PDF disponible en BUC. Langues : Français (fre) Tags : contrôle des systèmes Classification échographiques supervisée Index. décimale : 610 Electronique Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=8153 Classification supervisée des images échographiques [texte imprimé] / Dounia Kitouni, Auteur ; Fella Hachouf, Directeur de thèse . - CONSTANTINE (Route Ain el bey, BP 325, ALGERIE) : Université Frères Mentouri Constantine, 2017 . - 45 f. ; 30 cm.
Une copie électronique PDF disponible en BUC.
Langues : Français (fre)
Tags : contrôle des systèmes Classification échographiques supervisée Index. décimale : 610 Electronique Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=8153 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité aucun exemplaire
Titre : Classification dans les sous espaces Type de document : texte imprimé Auteurs : Ahmed Chennib, Auteur ; Fella Hachouf, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2014 Importance : 40 f. Format : 30 cm. Note générale : Une copie électronique PDF disponible en BUC. Langues : Français (fre) Tags : Automatique Industrielle Et Humain Classification sous espaces Index. décimale : 610 Electronique Résumé : Dans ce travail, nous nous sommes intéressés aux méthodes de classification dans les sous espaces ; et ceci pour deux types d'images différentes, avec deux types de vecteurs caractéristiques.
Nous avons utilisé deux types d'éléments dans les deux méthodes différentes ; le premier type sont les quatre cumulants et le deuxième type sont les quatorze paramètres de texture. Le but est d'améliorer les résultats de notre classification.
Les algorithmes utilisés sont la classification floue dans les sous espaces et les séparateurs à vaste marge multiclasses. (MultiSVM).Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=8348 Classification dans les sous espaces [texte imprimé] / Ahmed Chennib, Auteur ; Fella Hachouf, Directeur de thèse . - CONSTANTINE (Route Ain el bey, BP 325, ALGERIE) : Université Frères Mentouri Constantine, 2014 . - 40 f. ; 30 cm.
Une copie électronique PDF disponible en BUC.
Langues : Français (fre)
Tags : Automatique Industrielle Et Humain Classification sous espaces Index. décimale : 610 Electronique Résumé : Dans ce travail, nous nous sommes intéressés aux méthodes de classification dans les sous espaces ; et ceci pour deux types d'images différentes, avec deux types de vecteurs caractéristiques.
Nous avons utilisé deux types d'éléments dans les deux méthodes différentes ; le premier type sont les quatre cumulants et le deuxième type sont les quatorze paramètres de texture. Le but est d'améliorer les résultats de notre classification.
Les algorithmes utilisés sont la classification floue dans les sous espaces et les séparateurs à vaste marge multiclasses. (MultiSVM).Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=8348 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité aucun exemplaire
Titre : Classification des images endoscopiques par Deep Learning Type de document : texte imprimé Auteurs : Abderrahmane Salmi, Auteur ; F. Soltani, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2017 Importance : 67 f. Format : 30 cm. Note générale : Une copie électronique PDF disponible en BUC. Langues : Français (fre) Tags : classification apprentissage profond capsule endoscopique tube digestif Framework Tensorflow images endoscopiques Index. décimale : 610 Electronique Résumé : Le but de notre travail est de réaliser un algorithme de classification des images produites par les capsules endoscopiques, en utilisant l’apprentissage profond. L’apprentissage profond est un ensemble de méthodes d'apprentissage artificiel qui permettent de modéliser les données avec un grand nombre de couches. Ceci va permettre d’identifier automatiquement les différentes parties du tube digestif (estomac, colon intestin …). Dans notre travail, nous avons utilisé le Framework Tensorflow de Google. Nous avons testé deux réseaux neurones convolutifs : notre propre modèle et un modèle par réentrainement d’inception-V3. Enfin, nous avons effectué des tests de classification sur les images endoscopiques Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=8485 Classification des images endoscopiques par Deep Learning [texte imprimé] / Abderrahmane Salmi, Auteur ; F. Soltani, Directeur de thèse . - CONSTANTINE (Route Ain el bey, BP 325, ALGERIE) : Université Frères Mentouri Constantine, 2017 . - 67 f. ; 30 cm.
Une copie électronique PDF disponible en BUC.
Langues : Français (fre)
Tags : classification apprentissage profond capsule endoscopique tube digestif Framework Tensorflow images endoscopiques Index. décimale : 610 Electronique Résumé : Le but de notre travail est de réaliser un algorithme de classification des images produites par les capsules endoscopiques, en utilisant l’apprentissage profond. L’apprentissage profond est un ensemble de méthodes d'apprentissage artificiel qui permettent de modéliser les données avec un grand nombre de couches. Ceci va permettre d’identifier automatiquement les différentes parties du tube digestif (estomac, colon intestin …). Dans notre travail, nous avons utilisé le Framework Tensorflow de Google. Nous avons testé deux réseaux neurones convolutifs : notre propre modèle et un modèle par réentrainement d’inception-V3. Enfin, nous avons effectué des tests de classification sur les images endoscopiques Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=8485 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité aucun exemplaire
Titre : La classification des surfaces compactes Type de document : texte imprimé Auteurs : Narimane Bechir, Auteur ; Roumaissa Bouzenka, Auteur ; Chahrazade Matmat, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2017 Importance : 70 f. Format : 30 cm. Note générale : Une copie electronique PDF disponible en BUC Langues : Français (fre) Tags : Surfaces classification topologie quotient somme connexe Triangulation invariant topologique caractéristique D’Euler. Index. décimale : 510 Mathématiques Résumé : Ce travail est consacré à l’étude de la classification des surfaces
compactes. On montre que chaque surface est équivalente à une surface
particulière ayant une description simple dite la forme représentative ou
la forme normale. Les moyens utilisés sont la triangulation, la somme
connexe et le quotient d’un polygone avec un nombre de cotés pair.
Un invariant topologique est construit. C’est la caractéristique d’Euler qui
permet de distinguer les surfaces. Des exemples dans chaque cas sont
traités.Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=3943 La classification des surfaces compactes [texte imprimé] / Narimane Bechir, Auteur ; Roumaissa Bouzenka, Auteur ; Chahrazade Matmat, Directeur de thèse . - CONSTANTINE (Route Ain el bey, BP 325, ALGERIE) : Université Frères Mentouri Constantine, 2017 . - 70 f. ; 30 cm.
Une copie electronique PDF disponible en BUC
Langues : Français (fre)
Tags : Surfaces classification topologie quotient somme connexe Triangulation invariant topologique caractéristique D’Euler. Index. décimale : 510 Mathématiques Résumé : Ce travail est consacré à l’étude de la classification des surfaces
compactes. On montre que chaque surface est équivalente à une surface
particulière ayant une description simple dite la forme représentative ou
la forme normale. Les moyens utilisés sont la triangulation, la somme
connexe et le quotient d’un polygone avec un nombre de cotés pair.
Un invariant topologique est construit. C’est la caractéristique d’Euler qui
permet de distinguer les surfaces. Des exemples dans chaque cas sont
traités.Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=3943 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité aucun exemplaire Détection et classification des attaques réseaux par des algorithmes d'apprentissageautomatique / Zahra Bensettoul
Titre : Détection et classification des attaques réseaux par des algorithmes d'apprentissageautomatique Type de document : texte imprimé Auteurs : Zahra Bensettoul, Auteur ; Bendahmane El hachemi, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2017 Importance : 76 f. Format : 30 cm. Note générale : Une copie électronique PDF disponible en BUC. Langues : Français (fre) Tags : classification système de détection d’intrusions réseaux de neurones kdd’99. Index. décimale : 610 Electronique Résumé : Les réseaux et systèmes informatiques sont devenus aujourd’hui des outils indispensables pour le bon fonctionnement et l’évolution de la plupart des entreprises. Ainsi, les systèmes et réseaux informatiques sont déployés dans différents domaines comme la banque, la médecine ou encore le domaine militaire. L’accroissement de l’interconnexion de ces divers systèmes et réseaux les a rendus accessibles par une population diversifiée d’utilisateurs qui ne cesse d’augmenter. Ces utilisateurs, connus ou non, ne sont pas forcément pleins de bonnes intentions vis-à-vis de ces réseaux. En effet, ils peuvent essayer d’accéder à des informations sensibles pour les lire, les modifier ou les détruire ou encore tout simplement pour porter atteinte au bon fonctionnement du système. Dès lors que ces réseaux sont apparus comme des cibles d’attaques potentielles, les sécuriser est devenu un enjeu incontournable.
La détection d’intrusions consiste à découvrir ou identifier l’utilisation d’un système informatique à d’autres fins que celles prévues. De nombreux mécanismes ont été développés pour assurer la sécurité des systèmes informatiques et tout particulièrement pour prévenir les intrusions, malheureusement, ces mécanismes ont des limitations. En effet, les systèmes informatiques présentent des failles qui permettent à des attaquants de contourner les mécanismes de prévention. Pour cela une seconde ligne de défense est nécessaire, la détection d’intrusions.
L’intelligence artificielle a vu naître de nombreuses méthodes telles que les algorithmes génétiques, les réseaux de neurones, les algorithmes de fourmis virtuelles, etc.… qui peuvent être implémentées et utilisées pour la détection d’intrusions.
Dans ce mémoire on implémente un système de détection d’intrusions, qui est basé sur les réseaux de neurones. Le systèmes est implémenté sous Matlab, et testé sur les données de la base de données KDD’99.Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=8424 Détection et classification des attaques réseaux par des algorithmes d'apprentissageautomatique [texte imprimé] / Zahra Bensettoul, Auteur ; Bendahmane El hachemi, Directeur de thèse . - CONSTANTINE (Route Ain el bey, BP 325, ALGERIE) : Université Frères Mentouri Constantine, 2017 . - 76 f. ; 30 cm.
Une copie électronique PDF disponible en BUC.
Langues : Français (fre)
Tags : classification système de détection d’intrusions réseaux de neurones kdd’99. Index. décimale : 610 Electronique Résumé : Les réseaux et systèmes informatiques sont devenus aujourd’hui des outils indispensables pour le bon fonctionnement et l’évolution de la plupart des entreprises. Ainsi, les systèmes et réseaux informatiques sont déployés dans différents domaines comme la banque, la médecine ou encore le domaine militaire. L’accroissement de l’interconnexion de ces divers systèmes et réseaux les a rendus accessibles par une population diversifiée d’utilisateurs qui ne cesse d’augmenter. Ces utilisateurs, connus ou non, ne sont pas forcément pleins de bonnes intentions vis-à-vis de ces réseaux. En effet, ils peuvent essayer d’accéder à des informations sensibles pour les lire, les modifier ou les détruire ou encore tout simplement pour porter atteinte au bon fonctionnement du système. Dès lors que ces réseaux sont apparus comme des cibles d’attaques potentielles, les sécuriser est devenu un enjeu incontournable.
La détection d’intrusions consiste à découvrir ou identifier l’utilisation d’un système informatique à d’autres fins que celles prévues. De nombreux mécanismes ont été développés pour assurer la sécurité des systèmes informatiques et tout particulièrement pour prévenir les intrusions, malheureusement, ces mécanismes ont des limitations. En effet, les systèmes informatiques présentent des failles qui permettent à des attaquants de contourner les mécanismes de prévention. Pour cela une seconde ligne de défense est nécessaire, la détection d’intrusions.
L’intelligence artificielle a vu naître de nombreuses méthodes telles que les algorithmes génétiques, les réseaux de neurones, les algorithmes de fourmis virtuelles, etc.… qui peuvent être implémentées et utilisées pour la détection d’intrusions.
Dans ce mémoire on implémente un système de détection d’intrusions, qui est basé sur les réseaux de neurones. Le systèmes est implémenté sous Matlab, et testé sur les données de la base de données KDD’99.Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=8424 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité aucun exemplaire PermalinkPermalinkPermalink