| Titre : | Apprentissage supervisé pour classification d'images médicales: méthodes SVM et KNN |
| Auteurs : | Me Derkaoui ORKIA, Directeur de thèse ; BOUARFA OUSSAMA, Auteur ; BELLIL HADJIRA, Auteur |
| Type de document : | texte imprimé |
| Editeur : | S.l. : Algèrie:unv saida-Dr Moulay Tahar, 2021-2022 |
| Format : | 50p. / 29cm |
| Accompagnement : | CD |
| Note générale : | Bibliographer |
| Langues: | Français |
| Catégories : | |
| Mots-clés: | Apprentissage supervisé,classification d’images ,SVM , KNN |
| Résumé : |
Dans ce travail,nous avons abordé les problémes de la classification d es don- nées. L’une dans les questions principales que nous avons considérer concerne la clas- sification d ’image q ui l a t ache d ’attibuer à u ne i mage d ’entrée X u n l abel Y à partir d’un ensemble fixé de catégories,et intérésser spécialement les images mé- dicale Brain Tumor MRI,nous allons choisir une base de recherche (Dataset) composée de petites images Gray scale.Cette base se composé de 1222 petites images Gray scale.Nous utilisons l’apprentissage supervisé avec les deux algo- rithmes les plus populaires en classification:SVM(Support V ector M achine) et KNN(K-Nearest Neighbors).Des tests de comparaison entre les deux méthodes nous permettrons d’évaluer le principe de chacune de ces méthodes. L’objectif de la classification d ’images e st d ’élaborer u n s ysteme capable d’affecter u ne c lasse a utomatiquement à u ne i mage.Ainsi, c e s ysteme permet d’éffectuer u ne t ache d ’expertise q ui p eut s ’avére c outeuse à a cquérir p our un étre humain en raison notament de contraintes physiques comme la concentra- tion, la fatigue ou le temps nécessité par un volume important de données images |
| Note de contenu : |
1-Etat de l’art 2-L’Apprentissage Supervisé 3-Contribution |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| TECT01802 | T.I.MS00637 | Périodique | Salle des Thèses | Informatique | Consultation sur place Exclu du prêt |
