Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "BOUCENNA, Djamel Eddine"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    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.

DSpace software copyright © 2002-2025 LYRASIS

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback