Imputation en temps réel de données manquantes dans un contexte de Big Data.

Benachour., abderrahim.; Azzouz., nourelhouda.

dc.contributor.author	Benachour., abderrahim.
dc.contributor.author	Azzouz., nourelhouda.
dc.date.accessioned	2021-06-20T11:58:22Z
dc.date.available	2021-06-20T11:58:22Z
dc.date.issued	2017-09
dc.identifier.uri	http://di.univ-blida.dz:8080/jspui/handle/123456789/11786
dc.description	ill.,Bibliogr.	fr_FR
dc.description.abstract	L'imputation des données est une technique est utilisée en fouille de données, elle s'appuie sur des principes simples relativement simple. Son objectif est de remplacer les valeurs incomplètes par les valeurs les plus probables. Les algorithmes classiques de l'imputation devenus inadéquat dans avec l'émergence de big data (données massives ou de masse). Ainsi notre travail consiste a appliquer une méthode intelligence, distribuée, parallèle sur réseaux les bayésien dans le but d'estimation des valeurs complet dans contexte big data Mot clé : l'imputation des données, données manquantes fouille de données, données de masse , réseaux bayésien, apprentissage incrementale , inférence parallèle	fr_FR
dc.language.iso	fr	fr_FR
dc.publisher	Université Blida 1	fr_FR
dc.subject	l'imputation des données.	fr_FR
dc.subject	données manquantes fouille de données.	fr_FR
dc.subject	données de masse.	fr_FR
dc.subject	réseaux bayésien.	fr_FR
dc.subject	apprentissage incrementale.	fr_FR
dc.subject	inférence parallèle.	fr_FR
dc.title	Imputation en temps réel de données manquantes dans un contexte de Big Data.	fr_FR
dc.type	Thesis	fr_FR