Veuillez utiliser cette adresse pour citer ce document : https://di.univ-blida.dz/jspui/handle/123456789/11785
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorHadj Ali., Hiba.-
dc.contributor.authorYkhlef., Rabia.-
dc.date.accessioned2021-06-20T11:33:53Z-
dc.date.available2021-06-20T11:33:53Z-
dc.date.issued2016-
dc.identifier.urihttp://di.univ-blida.dz:8080/jspui/handle/123456789/11785-
dc.descriptionill.,Bibliogr.fr_FR
dc.description.abstractLes bases de données de séquences incertaines sont largement utilisées pour modéliser des données horodatées inexactes ou imprécises dans de nombreuses applications réelles, où les algorithmes de l'extraction de motifs séquentiels traditionnels sont inapplicables en raison de l'incertitude des données et d'évolutivité. Notre travail consiste à développer un algorithme d'extraction de motifs séquentiels fréquents à partir de données incertaines de masse. En effet, inspiré par le célèbre algorithme d'une méta-heuristique très connue, nous proposons un algorithme basé sur la méthode d'optimisation par essaims des abeilles (Bees Swarm Optimization BSO). En se basant aussi, sur le modèle de programmation MapReduce pour, notre algorithme procède d'une façon distribuée et parallèle pour qu'il soit adapté au contexte de Big Data. Nous avons mené plusieurs expérimentations sur des ensembles de données incertaines synthétiques, et les résultats expérimentaux montrent que notre algorithme est efficace et évolutive Mot clé: motifs séquentiels, données incertaines, Big data, BSO, hadoop, MapReduce.fr_FR
dc.language.isofrfr_FR
dc.publisherUniversité Blida 1fr_FR
dc.subjectmotifs séquentiels.fr_FR
dc.subjectdonnées incertaines.fr_FR
dc.subjectBig data.fr_FR
dc.subjectBSO.fr_FR
dc.subjecthadoop.fr_FR
dc.subjectMapReduce.fr_FR
dc.titleExtraction de motifs séquentiels fréquents à partir des données incertaines de masse.fr_FR
dc.typeThesisfr_FR
Collection(s) :Mémoires de Master

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
hadj ali hiba.pdf39,11 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.