Traitement et classification des données par filtrage.
| dc.contributor.author | Hammou, Farid | |
| dc.date.accessioned | 2020-01-21T09:13:45Z | |
| dc.date.available | 2020-01-21T09:13:45Z | |
| dc.date.issued | 2018-12-18 | |
| dc.description | 129 p. : ill. ; 30 cm. (+ CD-Rom) | en |
| dc.description.abstract | Le travail abordé dans cette thèse de doctorat concerne le traitement et la classification des données par filtrage. Il comporte principalement deux volets. Le premier volet porte sur la synthèse de filtres numériques à réponse impulsionnelle infinie (RII) à base d'une nouvelle version de l'algorithme à essaim de particules (PSO). L'algorithme proposé, nommée CHPSO, introduit le concept de Coopération et de Hiérarchisation entre les particules de l'essaim. En outre, pour résoudre le problème de stabilité bien connu des filtres RII, un opérateur de stabilisation qui force les solutions à être stables, est intégré dans le PSO sous forme d'un opérateur de mutation. L'algorithme CHPSO est utilisé pour concevoir un filtre RII passe bande très sélectif capable d'éliminer certains bruits qui parasitent les signaux Électrogastrogramme (EGG). A cet effet, un système réel d'acquisition des signaux gastriques d'une manière non-invasive a été développé. L'algorithme CHPSO proposé est également appliqué à la conception de filtres RII bidimensionnels dans le but de filtrer des images en niveaux de gris. L'algorithme CHPSO s'est montré plus efficace en termes de précision et rapidité de convergence par rapport à d'autres variantes du PSO et à plusieurs algorithmes évolutionnaires. Le deuxième volet concerne l'adaptation de méthode de filtrage par diffusion anisotropique, initialement proposée dans le traitement d'images, à la classification non supervisée des données. Cette approche statistique de la classification est basée sur la détection des modes de la fonction de densité de probabilité (fdp) sous-jacente à la distribution de l'ensemble des observations à classer. Les modes de la fdp sont assimilés aux noyaux des classes fortement peuplées et sont séparés par les vallées où les régions contenant peu d'observations. Le principe de diffusion anisotropique est exploité pour renforcer l'effet du lissage de la fdp dans les régions modales où la fdp est concave et dans les vallées où elle est convexe et faciliter ainsi l'extraction des modes de la fdp. Les résultats de simulation montrent la supériorité de la méthode proposée sur d'autres méthodes de classification bien connues dans le domaine. | en |
| dc.identifier.citation | Option : Automatique | en |
| dc.identifier.other | DOC.AUTO.07-18 | |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/10066 | |
| dc.language.iso | fr | en |
| dc.publisher | Université Mouloud Mammeri | en |
| dc.subject | Filtres RII | en |
| dc.subject | PSO | en |
| dc.subject | Électrogastrogramme | en |
| dc.subject | Détection des modes | en |
| dc.subject | Diffusion anisotropique | en |
| dc.subject | Filtres numériques | en |
| dc.subject | Filtrage anisotropique | en |
| dc.title | Traitement et classification des données par filtrage. | en |
| dc.type | Thesis | en |