Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
Algorithmes biomimétiques pour la fouille de données
Univ Europeenne - EAN : 9783639482164
Édition papier
EAN : 9783639482164
Paru le : 4 févr. 2016
69,90 €
66,26 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9783639482164
- Réf. fournisseur : 2512455
- Editeur : Univ Europeenne
- Date Parution : 4 févr. 2016
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 232
- Format : H:229 mm L:152 mm E:13 mm
- Poids : 347gr
- Interdit de retour : Retour interdit
- Résumé : Nous présentons dans ce livre deux algorithmes biomimétiques inspirés du comportement des fourmis réelles pour la résolution du problème de la classification non-supervisée de données CAC (Communicating Ants for Clustering) et CACB (CAC with Backtracking strategy). Ces algorithmes s'inspirent du phénomène de la communication sonore observé chez les fourmis. CACB introduit aussi le concept de retour sur les décisions qui autorise les fourmis artificielles à modifier l'appartenance d'un objet ou d'un ensemble d'objets d'une classe à une autre. CACB a été évalué sur des bases de données réelles et a montré une grande efficacité. Nous avons exploité les performances de l'algorithme CACB dans deux applications réelles; la première est un système d'indexation et de recherche d'images par le contenu où CACB est utilisé pour générer une classification des images dans le but de les indexer. La deuxième est un système de recommandation pour le génie logiciel où nous avons utilisé CACB pour classer un corpus de classes UML dans le but d'exploiter la classification obtenue pour proposer des recommandations à un utilisateur lors de l'élaboration d'un diagramme de classes UML.
