Une approche de Clustering sans k Cnok

Simple item page
dc.contributor.authorATIETALLAH, Nouara
dc.contributor.authorZEGHIDA , Djamel
dc.date.accessioned2024-04-07T08:44:51Z
dc.date.available2024-04-07T08:44:51Z
dc.date.issued2023
dc.description.abstractLa méthode d’Identification des groupes d'individus au sein d'un jeu de données, et les regrouper en sous-ensembles similaires en fonction de diverses caractéristiques est appelé Clustering. Dans le monde de la science des données, nous pouvons utiliser des méthodes de Clustering pour obtenir des informations précieuses à partir de données en catégorisant les groupes auxquels appartiennent ces points lorsque nous appliquons un algorithme de Clustering. Les méthodes de Clustering souffrent encore de plusieurs insuffisances et nécessitent souvent l’initialisation de plusieurs paramètres comme le nombre de classes ou l’initialisation des groupes. Dans ce mémoire, et afin d’améliorer les algorithmes de Clustering, nous proposons une approche de classification non supervisée, où l’algorithme découvre automatiquement les classes pour des données numériques sans connaître le nombre de classes a priori, sans partition initiale et sans paramétrage délicat. L’algorithme proposé a été implémenté dans une application bureau Java qui est utilisée pour faire le Clustering d’un dataset introduit par l’utilisateur
dc.identifier.urihttp://dspace.univ-skikda.dz:4000/handle/123456789/787
dc.language.isofr
dc.publisherFaculté des Sciences
dc.titleUne approche de Clustering sans k Cnok
dc.title.alternativeRéseaux et Systèmes Distribués - RSD
dc.typeMémoire de Master
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Une approche de Clustering sans k Cnok.pdf
Size:
4.13 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Informatique