| Titre : | Système data mining basé sur un SMA |
| Auteurs : | Sara Atia, Auteur ; Keltoum Touil, Directeur de thèse |
| Type de document : | Monographie imprimée |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2018 |
| Format : | 1 vol. (61 p.) / 30 cm |
| Langues: | Français |
| Mots-clés: | SMA,datamining,Intégration,classification,algorithme k-PPV |
| Résumé : |
La combinaison entre les agents et le datamining est fondée sur les défis rencontrés par les deux communautés, et la nécessité de développer des systèmes de traitement de données plus intelligents. La technologie des agents dont le but est de traiter des systèmes complexes a révélé des possibilités pour améliorer le domaine de datamining. Ce travail est consacré à l’intégration des SMA dans le datamining. Il présente un développement d'un système de classification par l’algorithme k-NN, d’une base de données répartie, basé sur les agents. . |
| Sommaire : |
Sommaire Introduction générale ............................................................................................. 1 Chapitre 1: Systèmes data mining 1. 1 INTRODUCTION ..................................................................................... 4 1. 2 DEFINITION DU DATA MINING ......................................................... 4 1.3 Les étapes du processus de data mining ..................................................... 4 1.4 Motivation du Data Mining ..................................................................... 6 1.4.1 Problème de l’explosion de données ................................................ 6 1.4.2 Améliorer la productivité ................................................................. 6 1.4.3 Croissance en puissance/coût des machines capables ...................... 6 1.5 Data mining sur quels types de données ?……………………………... ....... 7 1.6 Taches du Data Mining ................................................................................ 8 1.6.1 La classification ........................................................................ 9 1.6.1.1Classification non supervisée ............................................................. 9 1.6.1.2 Classification supervisée (apprentissage) ........................................ 9 1.6.2 La prédiction .............................................. 1.6.3 L’optimisation 1.6.4 LA SEGMENTATION (ANALYSE DES CLUSTERS) .................. 10 1.6.5 L’association ....................................................................................... 10 1.7Les domaines d’application de Data Mining ........ 1 .7.1 Le data mining dans la banque ............................................................. 11 1.7.2 LE DATA MINING DANS L’ASSURANCE .... 1.7.3 Le data mining dans le commerce ....................................................... 11 1.7.4 Le data mining dans la détection de fraude ......................................... 12 1.7.5 Le data mining dans la télécommunication ......................................... 12 1.7.6 Le data mining dans le transport et voyage ............................................ 12 1.7.7 LE DATA MINING DANS LA MEDICINE ET LA PHARMACIE . 12 1.8 TECHNIQUES DU DATA MINING .......................................................... 13 1.8.1 TECHNIQUES NON SUPERVISE .................................................. 13 1.8.1.1 Les règles d'association ......................................................................... 1.8.1.2 Clustering .......................................................................................... 13 1.8.2Techniques Supervisé ........................................................................ 13 1.8.2.1 Les réseaux neurones ...................................................................... 14 1.8.2.2 Les arbres de décision ..................................................................... 14 1.8.2.3 L’algorithme des k-Plus proches voisins ........................................ 14 1.9 CONCLUSION ........................................................................................... 15 Chapitre 2 : Systéme Multi AgentsErreur . 2.1 Introduction ................................................................................................. 17 2.2 Définition d’un Agent ................................................................................ 17 2.3 L'environnement ........................................................................................ 18 2. 3.1 L'environnement d'un agent .................................................................... 18 2. 3. 2. L'environnement du système ....................................................... 18 2.4 Caractéristiques d’agents ......................................................................... 18 2.5TYPOLOGIE DES AGENTS ............. 2.5.1 Agents réactifs .......................................................................................... 19 2.5.2 Agents cognitifs ......................................................................................... 20 2.6 les systèmes multi agents ............................................................................ 21 2.6.1 Définition d'un SMA ................................................................................. 21 2.6 .2 Les caractéristiques d’un SMA .................................................................... 22 2.6.3 COMMUNICATION ENTRE AGENTS ............................................. 23 2.7Domaines d'application des SMA ................................................................ 25 2.8 Quelques Systèmes existants du Data Mining basé Agents ........................ 26 2.8.1-Le Système MAD-IDS(ADMI) (Intrusion Détection System) 2011 26 2.8.2-Le système PAPYRUS 1999 .............................................................. 28 2.8.3Etude comparative des systèmes DMBA .......................................... 30 2.9 Conclusion .................................................................................................... 32 Chapitre 3 : Conception 3.1 Introduction ................................................................................................. 34 3.2 Conception générale et détaillée du système ................................................ 34 3.3 Algorithme K plus proche voisin ................................................................. 35 3.4 FONCTIONNEMENT DU SYSTEME ..................................................... 37 3.4.1 DIAGRAMME DE CAS D’UTILISATION ...................................... 37 3.4.2 DIAGRAMME DE SEQUENCE ......................................................... 37 3.4.3 DAGRAMME DE CLASSE ......................................................................... 38 3. 5 CONCLUSION .................................. Chapitre 4: Implémentation 4.1 INTRODUCTION .....................................................41. 4.2 LANGAGE DE PROGRAMMATION ....................................................... 41 4.2.1 JAVA ................................................................................................ 41 4.3 L’ENVIRONNEMENT DE DEVELOPPEMENT ..................................... 42 4.3.1 NETBEANS ..................................................................................... 42 4 .3.2 LA PLATEFORME JADE (JAVA AGENT DEVELOPMENT FRAMEWORK) ................................................................................................. 43 4.4PRINCIPALES FENETRES DE L’APPLICATION ................................... 44 4.4.1 PRESENTATION DE LA COLLECTION ..................................... 44 4.4.2 PRINCIPALES FENETRES DE L’AGENT INTERFACE ............ 46 4.4.3 ÉCHANGE DE MESSAGE ENTRE LES AGENTS DU SYSTEME ................................................ 47 4.5 CONCLUSION ....................................................................................... 48 CONCLUSION GENERALE ........................................................................ 49 |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/397 | Mémoire master | bibliothèque sciences exactes | Consultable |
