Browsing by Author "MAZOUZI ,Smaine"
Now showing 1 - 5 of 5
Results Per Page
Sort Options
Item Détection de Spam par les Techniques de L' intelligence Artificielle( iA)(Faculté des Sciences, 2024) BALASKA , Zahia; KHALDI, Sabrina; NAFIR, Abdenacer; MAZOUZI ,SmaineAu cours des dernières décennies, l'utilisation du courrier électronique s'est généralisée, entraînant des spams ou des messages frauduleux. L'intelligence artificielle (IA) et surtout le Machine Learning est une solution prometteuse pour classer ces messages en deux catégories : les messages SPAM et les HAM. Cependant, cette approche de classification montre des performances insatisfaisantes en raison du faible taux de réussite de la classification des messages valides. Dans ce travail, nous allons expérimenter quelques modèles les plus utilisés pour la classification de texte ces dernières années et découvrir quel modèle est le meilleur pour résoudre ce problème.Item Intégration de Modèles IA pour la Classification d’IRM Cérébrales(Faculté des Sciences, 2025) KADOUM, Adem; MAZOUZI ,SmaineLa classification automatique d’images médicales est devenue de nos jours un outlil incontournable d’aide aux médecins et aux radiologues pour l’interprétation des radiographies et pour établir des diagnostics fiables, et aussi en un temps court. Dans ce mémoire de master, je me suis intéressé à la classification supervisée des IRM (Images à résonnance magnétiques), dont le but de poser des diagnostics d’existence ou non de tumeurs cérébrales. Nous avons expérimenté deux modèles d’apprentissage automatique, connus pour leur performance et leur efficacité. Il s’agit des réseaux de neurones convolutifs (CNN :Convolutional Neural Network) et des arbres de décision (DT : Decision Tree). Nous avons également expérimenté l’intégration de ces deux modèles afin d’améliorer les résultats de classificationItem Méthodes basées apprentissage automatique pour la détection de spams en messagerie électronique(Faculté des Sciences, 2024) BOUZNAD, Chafia; MAZOUZI ,SmaineDans ce projet de mémoire de master en RCD (Réseaux et Systèmes Distribués), nous avons mené une étude expérimentale pour identifier le meilleur classifieur pour la détection de spam. Nous avons évalué plusieurs classifieurs, notamment le classifieur bayésien naïf, les machines à vecteurs de support (SVM), les arbres de décision, les forêts aléatoires et les réseaux neuronaux, en comparant leur précision et leurs temps d'exécution.Item Méthodes d’apprentissage en détection d’intrusion(Faculté des Sciences, 2022) Loucif ,Asma; Berrak ,Insaf; NAFIR, Abdenacer; MAZOUZI ,SmaineMalgré la multiplicité des outils de protections qui se font offrir sur le marché de sécurité, les systèmes informatiques, et plus particulièrement ces systèmes connectés sont soumis à d’intenses attaques, qui tentent dans leur majorité à prendre le contrôle des systèmes par diverses techniques ingénieuses d’intrusion. Ce travail illustre l’utilisation de la méthode boosting avec quelques techniques d’apprentissage automatique à savoir le naiveBayes, et l’arbre de décision où nous avons comparé leurs précisions et leurs temps d’exécution afin d’obtenir le meilleur modèle pour les systèmes de détection d’intrusion.Item Une étude de techniques de classification et de clustering en détection d’intrusion(Faculté des Sciences, 2022) CHOUMAH ,Rayenne; ALI BOUAITA ,Nour; NAFIR ,Abde nacer; MAZOUZI ,SmaineLes réseaux informatiques sont exposés aux plusieurs types d’attaques c’est pour cela nous avons besoins des moyens pour les protéger. Parmi ces moyens nous citons les systèmes de détection d’intrusions. Cependant, avec l’évolution qui a touché les techniques d’attaques, ces systèmes ne donnent plus de bons résultats. Dans ce mémoire, nous avons mené une étude expérimentale pour décider quel est le classifieur le plus approprié aux données de la base d’intrusions KDD. Nous avons considéré quatre classifieurs à savoir le naive bayes, l’arbre de décision (C4.5), arbre aléatoire, k-plus proche voisins (Knn), et le cluster k means .et nous avons comparé leurs précisions et leurs temps d’exécution