BIBLIOTHEQUE CENTRALE
Détail de l'auteur
Auteur Asma Hamed |
Documents disponibles écrits par cet auteur
Affiner la recherche Interroger des sources externes
Contribution à la classification des bdrf / Asma Hamed
Titre : Contribution à la classification des bdrf Type de document : texte imprimé Auteurs : Asma Hamed Editeur : Univ Européenne Année de publication : 2015 Importance : 120 p Format : 23×115.5 cm ISBN/ISSN/EAN : 978-3-8416-6680-2 Résumé : Les Systèmes de Gestion de Bases de Données Relationnelles (SGBDR) sont devenus, sans contexte, le noyau de tout système informatique. Cependant, La diversification des applications des bases de données a montré les limites des SGBDR notamment dans la représentation des données imprécises. Les bases de données relationnelles floues (BDRF) permettent de résoudre ce problème en offrant cette extension.
Le stockage et la manipulation des données floues deviennent nécessaires, d'où l'importance de définir la fouille de données floues. Nous nous sommes intéressés à l'une des méthodes de la fouille de données floues, à savoir, la classification non supervisée floue. L'inconvénient majeur des algorithmes de classification est qu'ils ne permettent pas de traiter des données floues. Dans le cadre de ce travail, nous proposons de définir un nouvel algorithme de classification floue qui supporte aussi bien les données crisp que floues.
Nous présentons un outil de clustering, basé sur cet algorithme, qui intègre deux types d'approches : l'approche crisp et l'approche floue.Contribution à la classification des bdrf [texte imprimé] / Asma Hamed . - France : Univ Européenne, 2015 . - 120 p ; 23×115.5 cm.
ISBN : 978-3-8416-6680-2
Résumé : Les Systèmes de Gestion de Bases de Données Relationnelles (SGBDR) sont devenus, sans contexte, le noyau de tout système informatique. Cependant, La diversification des applications des bases de données a montré les limites des SGBDR notamment dans la représentation des données imprécises. Les bases de données relationnelles floues (BDRF) permettent de résoudre ce problème en offrant cette extension.
Le stockage et la manipulation des données floues deviennent nécessaires, d'où l'importance de définir la fouille de données floues. Nous nous sommes intéressés à l'une des méthodes de la fouille de données floues, à savoir, la classification non supervisée floue. L'inconvénient majeur des algorithmes de classification est qu'ils ne permettent pas de traiter des données floues. Dans le cadre de ce travail, nous proposons de définir un nouvel algorithme de classification floue qui supporte aussi bien les données crisp que floues.
Nous présentons un outil de clustering, basé sur cet algorithme, qui intègre deux types d'approches : l'approche crisp et l'approche floue.Réservation
Réserver ce document
Exemplaires (2)
Code-barres Cote Support Localisation Section Disponibilité 19/319545 L/004.1392 Livre Bibliothèque Centrale indéterminé Exclu du prêt 19/319546 L/004.1392 Livre Bibliothèque Centrale indéterminé Disponible