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.
Contribution à la classification des bdrf
Univ Europeenne - EAN : 9783841666802
Édition papier
EAN : 9783841666802
Paru le : 24 juin 2015
39,90 €
37,82 €
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 : 9783841666802
- Réf. fournisseur : 5851858
- Editeur : Univ Europeenne
- Date Parution : 24 juin 2015
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 120
- Format : H:229 mm L:152 mm E:7 mm
- Poids : 188gr
- Interdit de retour : Retour interdit
- 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.
