Informatique

Permanent URI for this collection

http://dspace.univ-skikda.dz:4000/handle/123456789/259

Browse

Browsing Informatique by Author "A. MANSOUL"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    ANALYSE MULTICRITERES BASEE REGLES D’ASSOCIATION POUR LA PRISE DE DECISION MEDICALE
    (Faculté des Sciences, 2024) BOUKEBIR ,Yasmine; REBBOUH, Sabrina; A. MANSOUL
    L’aide à la décision, l’analyse multicritère et les règles d’association sont interconnectées dans le contexte d’une prise de décision médicale basée sur des données complexes. L'aide à la décision utilise des outils et des techniques analytiques pour faciliter la sélection de la solution optimale parmi plusieurs alternatives. L'analyse multicritère permet de poser un problème et de définir une solution à ce problème à travers un tableau de performances dans lequel est inscrit le problème posé. Dans ce contexte, nous travaillerons à définir une solution d'aide à la décision médicale. s'exprime, dans un premier temps à l'aide d'une règle d'association dérivée d'un ensemble de données médicales. Nous avons développé le système qui nous permet de travailler sur la base d'un ensemble de règles médicales, qui alimentent un processus d'analyse multicritère dans lequel la meilleure solution est calculée (règle) et cela nous donnera la meilleure règle à appliquer pour la meilleure aide à la décision. Le système que nous avons proposé décide quel médicament prescrire pour le malade avec des caractéristiques bien déterminées Ce système nous a donné un résultat satisfaisant
  • No Thumbnail Available
    Item
    Classification par « Random Tree » pour déterminer le type D’une opération médicale (Type d’accouchement)
    (Faculté des Sciences, 2022) Abidi ,Saad; BOUCENNA, Djamel Eddine; A. MANSOUL
    La fouille de données, également connue sous le nom de Data Mining, est le noyau d'un processus d'extraction de connaissances à partir de grandes quantités de données. Son domaine d'application est extrêmement large. Dans ce travail, nous présentons un modèle de prédiction permettant de localiser si une femme va accouchera un accouchement normale ou bien césarienne. Pour atteindre cet objectif nous proposons un système qui va s'articuler autour de trois modules dont les tâches sont les suivantes: 1. Dans un premier temps nous employons la technique de la classification pour structurer les données en arbre de décision dont les noeuds sont plus ou moins proches en prédiction, c’est le modèle de connaissances que nous aurons construit. Pour ce faire, nous proposons l’utilisation de la méthode Random Tree sous un environnement appelé WEKA destiné à la fouille de données. 2. Dans un deuxième temps nous utilisons un module que nous avons développé afin de faire la prédiction à partir du modèle construit par classification. 3. Dans une étape finale nous expérimentons notre approche sur des données se rapportant aux des femmes qui ont accouché déjà. Le travail que nous présentons dans ce mémoire est très intéressant notamment dans recherche de l’information médicale. Ceci, permettra de contribuer au développement d'un système pour les gynécologues.