Modèle bio-inspiré pour le clustering de graphes
Applications à la fouille de données et à la distribution de simulations
Dans ce travail, nous présentons une méthode originale s'inspirant des comportements des fourmis réelles pour la résolution de problème de classification non supervisée non hiérarchique.
Cette approche créée dynamiquement des groupes de données.
Elle est basée sur le concept des fourmis artificielles qui se déplacent en même temps de manière complexe avec les règles de localisation simples.
Chaque fourmi représente une donnée dans l'algorithme.
Les mouvements des fourmis visent à créer des groupes homogènes de données qui évoluent ensemble dans une structure de graphe.
Nous proposons également une méthode de construction incrémentale de graphes de voisinage par des fourmis artificielles.
Nous proposons deux méthodes qui se dérivent parmi les algorithmes biomimétiques.
Ces méthodes sont hybrides dans le sens où la recherche du nombre de classes, de départ, est effectuée par l'algorithme de classification K-Means, qui est utilisé pour initialiser la première partition et la structure de graphe.
Nesrine Masmoudi, docteur en informatique, membre du laboratoire ReDCAD de l'Ecole d'Ingénieurs de Sfax - Tunisie et du laboratoire LITIS du Normandie université - France.
Je suis intéressée aux domaines de l’intelligence artificielle et data mining.
Fiche technique
- Auteur
- Nesrine Masmoudi
- Langue
- Français
- Éditeur
- Presses Académiques Francophones
- Pages
- 200
- Pays
- Tunisie
30 autres produits dans la même catégorie :
Voir toutConception et réalisation d’une base de données pour la gestion
- Nouveau
Les Systèmes de Recommandation à Base de Filtrage Collaboratif
- Nouveau
Conception et réalisation d'une application de gestion des palmarès
- Nouveau
Mise en place d'un réseau informatique local avec connexion internet
- Nouveau
Répartition simultanée des nœuds dans un réseau de radio cognitive
- Nouveau
Vers une approche de monitoring des applications orientées services
- Nouveau
Le traitement des classes déséquilibrées par les méthodes ensemblistes
- Nouveau