A partir de cette page vous pouvez :
author
| Retourner au premier écran avec les étagères virtuelles... |
Détail de l'auteur
Auteur Redouane Kekhal |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Faire une suggestion Affiner la recherche Interroger des sources externesApplication des SVMS pour le reconnaissance d'extrasystoles / Redouane Kekhal (2015)
Titre : Application des SVMS pour le reconnaissance d'extrasystoles Type de document : theses et memoires Auteurs : Redouane Kekhal ; Zahia Zidelmal, Directeur de thèse Editeur : Tizi Ouzou : UMMTO.FGEI Année de publication : 2015 Importance : 65 p. Présentation : ill. Format : 30 cm. Note générale : Bibliogr. Langues : Français Mots-clés : Apprentissage statistique Classification supervisé Support Vector Machines Classification par SVM Caractérisation des battements cardiaques. Résumé : L’objectif de ce travail est de reconnaitre des battements cardiaques pathologiques
(extrasystoles) sur des signaux ECG en effectuant une classification de ces battements en
deux catégories : normal et pathologique.
Pour ce faire, nous avons choisi d’utiliser un algorithme nommé Support Vector
Machines (SVM). Les données utilisées dans cette application sont des enregistrements ECG
issues de la base de données internationale MIT-BIH (Massachusetts Institute of
Technologie/Beth Israel Hospital) arrhythmia data-base. Chaque battement de
l’enregistrement (échantillon) est caractérisé par un vecteur de caractéristiques (attributs) et
associé à une des deux catégories. La caractérisation consiste à localiser le pic R de chaque
battement et d’ouvrir une fenêtre autour de ce pic pour l’extraction des différentes
caractéristiques caractérisant les deux types de battements. Nous avons construit une base
d’apprentissage et une base de test de différent enregistrement. La sélection des hyperparamètres
se fait par une technique de validation croisée, les hyper-paramètres choisis sont
ceux pour lequel le taux de bonne classification est maximal. Les résultats obtenus montrent
que les SVMs sont des techniques très performantes et que leur pouvoir de généralisation
s’améliore en choisissant une base d’apprentissage variante (très riche en information).En ligne : https://dl.ummto.dz/bitstream/handle/ummto/6744/LEKHALRedouane.pdf?sequence=1&is [...] Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=25569 Application des SVMS pour le reconnaissance d'extrasystoles [theses et memoires] / Redouane Kekhal ; Zahia Zidelmal, Directeur de thèse . - Tizi Ouzou (Tizi Ouzou) : UMMTO.FGEI, 2015 . - 65 p. : ill. ; 30 cm.
Bibliogr.
Langues : Français
Mots-clés : Apprentissage statistique Classification supervisé Support Vector Machines Classification par SVM Caractérisation des battements cardiaques. Résumé : L’objectif de ce travail est de reconnaitre des battements cardiaques pathologiques
(extrasystoles) sur des signaux ECG en effectuant une classification de ces battements en
deux catégories : normal et pathologique.
Pour ce faire, nous avons choisi d’utiliser un algorithme nommé Support Vector
Machines (SVM). Les données utilisées dans cette application sont des enregistrements ECG
issues de la base de données internationale MIT-BIH (Massachusetts Institute of
Technologie/Beth Israel Hospital) arrhythmia data-base. Chaque battement de
l’enregistrement (échantillon) est caractérisé par un vecteur de caractéristiques (attributs) et
associé à une des deux catégories. La caractérisation consiste à localiser le pic R de chaque
battement et d’ouvrir une fenêtre autour de ce pic pour l’extraction des différentes
caractéristiques caractérisant les deux types de battements. Nous avons construit une base
d’apprentissage et une base de test de différent enregistrement. La sélection des hyperparamètres
se fait par une technique de validation croisée, les hyper-paramètres choisis sont
ceux pour lequel le taux de bonne classification est maximal. Les résultats obtenus montrent
que les SVMs sont des techniques très performantes et que leur pouvoir de généralisation
s’améliore en choisissant une base d’apprentissage variante (très riche en information).En ligne : https://dl.ummto.dz/bitstream/handle/ummto/6744/LEKHALRedouane.pdf?sequence=1&is [...] Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=25569 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité MAST.ELN.01-15/2 MAST.ELN.01-15 Mémoires Magasin de Thèses et Mémoires / FGE Master en Electronique Disponible MAST.ELN.01-15/1 MAST.ELN.01-15 Mémoires Magasin de Thèses et Mémoires / FGE Master en Electronique Disponible Les abonnés qui ont emprunté ce document ont également emprunté :
Etude et modélisation des défauts des circuits intégrés en vue de leur analyse de fiabilité Ait Abdelmalek, Ghania Dimensionnement d'une centrale photovoltaique autonome Yaker, Aniss Dimensionnement d’un kit photovoltaïque autonome Cherfi, Djaffer Dimensionnement et installation d'un système photovoltaique (Application à la F.G.E.I.) Hennous, Chahrazet Etude d'un système photovoltaîque autonome Laouari, Belkacem Installations solaires photovoltaïques autonomes Hankins, Mark Aucun avis, veuillez vous identifier pour ajouter le vôtre !
