Browsing by Author "Encadreur: GASMI, ABDELKADER"

Now showing 1 - 2 of 2
  • Thumbnail Image
    ItemOpen Access
    Deux Métaheuristiques d'Inspiration Biologique pour la Résolution du Problème de Voyageur de Commerce (TSP)
    (University of M'sila, 2011-06-10) DEBABI, AICHA; Encadreur: GASMI, ABDELKADER; Encadreur: BOUHOUITA, SALAH EDDINE
    Le problème du voyŒgeur de commerce (TSP) est un problème (NP-Compl/t) polynômial non déterministe difficile dans l'oplimisation combinatoire étudiée dans la recherche opérationnelle et l'i,g/brmatique théorique. .Et pour résoudre ce problème nous avons employé (leur techniques populaires de méta-henristique qui sont e:nployées pour des tâches d'optimisation , le premier est algorithme génétique (GA), ct le deuxième est opti,'llisation de colonie de fourmi (ACO). Dans ce trarail, nous essayons d'appliquer les deux techniques pour résoudre le TSP en employant le mâne ensemble de données a./i!l de co;nparer entre elles pour déterminer le meilleur algori/hme pour le problème du voyageur de commerce. Pour l'optimisation de colonie de fourmi, nous avons étudié l'effet de qnelques paranzètres sur les résultats produits, -tels que le nombre (le fourmis utilisées, l'évaporation, et le nombre d'itérations et les paramètres de phéronzone et de pisü)ilité. IYunepart, nous avons étudié la popu!ldion de chromosome, le nombre de génération et les paramètres de probabilité de illilttrt{on qui ont un q/Jèt sur les résultats de l'algorithme génétiques.
  • Thumbnail Image
    ItemOpen Access
    Etude des algorithmes de c'lassification supervisés KNN et Naive Bayes pour la classification des documents textuels
    (University of M'sila, 2011-06-10) YOUCEFI, Asma; Encadreur: GASMI, ABDELKADER; Encadreur: BOUAMAMA, SALIM
    La classification automatique supervisée de document devient nécessaire à cause du volume de documents échangés et stockés sur support électronique. Comme les documents sont nombreux ou que leur nombre augmente sans cesse, il serait difficile de programmer à l'avance des règles de décision pour déterminer la classe d'un nouveau document. Nous présentons donc des méthodes d'apprentissage ((KNN) K plus proche voisin et NaWe Bayes) qui, à partir de documents déjà classés, permettent de classer de nouveaux documents. Apres avoir réalisé les meSures expérimentales, et interprété les résultats donnés par KNN et ceux donnés par NAIVE Bayes. Tantôt que Nawe Bayes est plus performant et plus efficace que KNN tantôt c'est l'inverse.