Contributions au prétraitement de données: Élimination du bruit de classe et réduction de dimension

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

Les données dans le monde réel ont fortement augmenté et elles sont de plus en plus sensibles aux bruits, aux valeurs manquantes et aux incohérences. La qualité des données affecte les résultats de leur exploration. Afin d’aider `a améliorer la qualité des données et faciliter le processus d’extraction d’informations, ces données doivent être prétraitées. Le prétraitement des données est l’une des étapes les plus critiques dans un processus d’exploration de données. Notre attention s’est par cons´equent port´ee sur deux importantes phases de prétraitement : le nettoyage des données en éliminant le bruit de classe et la réduction de la dimension en utilisant une méthode de sélection d’attributs. Deux contributions ont ´et´e propos´ees pour la d´détection et l’élimination de bruit de classe dans cette thèse. La première est une architecture distribuée permettant la d´détection et l’élimination de bruit de classe. La deuxième est une approche basée sur un filtre nommé Multi-Itérative Partitioning Class Noise Filter (MIPCNF) permettant la détection de bruit de classe de mani`ere it´erative. En effet, ce filtre repose sur un algorithme dans lequel plusieurs tours de d´détection de bruit sont effectuées pour chaque sous ensemble de données en utilisant un ensemble de classifieurs. Une troisième contribution pour la réduction de dimension a été proposée. Il s’agit d’un nouveau Framework, appelée Horizo-Vertical Distributed Feature Selection Approach (HVDFS) , permettant la sélection d’attributs de manière distribuée horizontalement et verticalement. Cela permet d’améliorer la qualité de la classification tout en réduisant le nombre d’attributs.

روابط وملفات

التعريف والنوع

رقم الوثيقة

f9d0dc0a-7b07-4177-a3a4-552af59db7f2

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل دكتوراة

نوع الملف

pdf text

أسماء الملفات

2429380_1.pdf

بيانات النشر

ألقاب المؤلفين

[{"name_ar":"Ayoub Ait Lahcen","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"Ibtissam Zerhari ","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"Salma Mouline","title_ar":"اشراف","title_en":"Supervision"}]

اللغة

French

المصدر والدورية

اسم المصدر

Contributions au prétraitement de données: Élimination du bruit de classe et réduction de dimension

المحتوى والصفحات

عدد الصفحات

0

كلمات الباحثين

Scices de l’ingénieur Informatique Télécommunications Data Mining Prétraitemt des données Nettoyage ´ des données Elimination de bruit de classe Réduction de dimsion Sélection d’attribut

إشراف وإعداد

الإشراف

Ayoub Ait Lahcen, Salma Mouline

الإعداد

Ibtissam Zerhari

الاقتباسات الببليوغرافية