A partir de cette page vous pouvez :
| Retourner au premier écran avec les dernières notices... |
Résultat de la recherche
5 résultat(s) recherche sur le tag 'data mining'
Affiner la recherche Interroger des sources externesData Mining: Concepts and Techniques : Second Edition / J. HAN
Titre : Data Mining: Concepts and Techniques : Second Edition Titre original : Concepts et Techniques Type de document : texte imprimé Auteurs : J. HAN, Auteur ; M. KAMBER, Auteur Editeur : Morgan Kauffman Publishing Année de publication : 2006 Importance : 770 p. ISBN/ISSN/EAN : 978-1-558-60901-3 Langues : Inconnue (und) Tags : Data Mining Knowledge Discovery in Databases Data Analysis Advanced Statistics Index. décimale : I6 I6 - Bases de Données - Systèmes d'Informations Data Mining: Concepts and Techniques = Concepts et Techniques : Second Edition [texte imprimé] / J. HAN, Auteur ; M. KAMBER, Auteur . - [S.l.] : Morgan Kauffman Publishing, 2006 . - 770 p.
ISBN : 978-1-558-60901-3
Langues : Inconnue (und)
Tags : Data Mining Knowledge Discovery in Databases Data Analysis Advanced Statistics Index. décimale : I6 I6 - Bases de Données - Systèmes d'Informations Réservation
Réserver ce document
Exemplaires
Cote Support Localisation Section Notes Disponibilité I6 / 6815 Papier OUVRAGES INFORMATIQUE Disponible I6 / 6815-2 Papier OUVRAGES INFORMATIQUE Disponible I6 / 6815-3 Papier OUVRAGES INFORMATIQUE Disponible I6 / 15220 Papier OUVRAGES MICRO-ELECTRONIQUE Emprunté par: Florent Masseglia
Sorti jusqu'au 26/09/2012
Titre : anglais Type de document : texte imprimé Auteurs : R. NOCK, Auteur Année de publication : 2002 Langues : Français (fre) Tags : ANALYSE D'IMAGES APPRENTISSAGE AUTOMATIQUE DATA MINING Index. décimale : HDR Habilitation à diriger des Recherches Résumé : Ces travaux concernent la problématique générale de la classification, et divers domaines d'applications en informatique : l'apprentissage automatique, le data mining et l'analyse d'image. Deux grands types de résultats ont été obtenus : ceux produisant des algorithmes, leur implémentation, leur analyse de performance (théorique et sur test), et ceux concernant des résultats négatifs de complexité, bornant inférieurement les performances de n'importe quel algorithme sur ces problèmes. Les algorithmes concernés par la première catégorie sont des algorithmes d'induction de classes de formules particulières, des algorithmes de plus proche voisins, des algorithmes de réduction de données (sélection de variables et/ou d'exemples), et des algorithmes de segmentation d'images. Un certain nombre de ces algorithmes utilisent des propriétés de concentration de variables aléatoires. Les résultats concernés par la deuxième catégorie sont essentiellement des preuves d'inapproximabilité de problèmes d'optimisation, qui admettent pour certains des extensions dans divers modèles d'apprentissage automatique, avec divers objectifs : minimisation de taille de formules (Formes Normales Disjonctives, ensembles de Clauses de Horn, etc.), minimisation de l'erreur sous contrainte, minimisation de critères alternatifs à l'erreur, minimisation de taille de jeux de données, etc. Note de contenu : Pour plus d'informations, vous pouvez aller sur le site suivant : http://www.univ-ag.fr/~rnock/ Rapporteur(s) : DENIS F.;NADAL J.P.;SAITTA L. Examinateur(s) : AINOUCHE A.;DE LA HIGUERA C.;GASCUEL O.;HABIB M. Date de soutenance : 16/12/2002 anglais [texte imprimé] / R. NOCK, Auteur . - 2002.
Langues : Français (fre)
Tags : ANALYSE D'IMAGES APPRENTISSAGE AUTOMATIQUE DATA MINING Index. décimale : HDR Habilitation à diriger des Recherches Résumé : Ces travaux concernent la problématique générale de la classification, et divers domaines d'applications en informatique : l'apprentissage automatique, le data mining et l'analyse d'image. Deux grands types de résultats ont été obtenus : ceux produisant des algorithmes, leur implémentation, leur analyse de performance (théorique et sur test), et ceux concernant des résultats négatifs de complexité, bornant inférieurement les performances de n'importe quel algorithme sur ces problèmes. Les algorithmes concernés par la première catégorie sont des algorithmes d'induction de classes de formules particulières, des algorithmes de plus proche voisins, des algorithmes de réduction de données (sélection de variables et/ou d'exemples), et des algorithmes de segmentation d'images. Un certain nombre de ces algorithmes utilisent des propriétés de concentration de variables aléatoires. Les résultats concernés par la deuxième catégorie sont essentiellement des preuves d'inapproximabilité de problèmes d'optimisation, qui admettent pour certains des extensions dans divers modèles d'apprentissage automatique, avec divers objectifs : minimisation de taille de formules (Formes Normales Disjonctives, ensembles de Clauses de Horn, etc.), minimisation de l'erreur sous contrainte, minimisation de critères alternatifs à l'erreur, minimisation de taille de jeux de données, etc. Note de contenu : Pour plus d'informations, vous pouvez aller sur le site suivant : http://www.univ-ag.fr/~rnock/ Rapporteur(s) : DENIS F.;NADAL J.P.;SAITTA L. Examinateur(s) : AINOUCHE A.;DE LA HIGUERA C.;GASCUEL O.;HABIB M. Date de soutenance : 16/12/2002 Réservation
Réserver ce document
Exemplaires
Cote Support Localisation Section Notes Disponibilité HDR-02 / 7472 Non renseigné THESES INFORMATIQUE Disponible 
Titre : Données Semi Structurées : Découverte, Maintenance et Analyse de Tendances Type de document : texte imprimé Auteurs : P.A. LAUR, Auteur Année de publication : 2004 Langues : Français (fre) Tags : DONNEES SEMI STRUCTUREES FOUILLE DE DONNEES EXTRACTION DE CONNAISSANCES EVOLUTION DES SOURCES DE DONNEES ANALYSE DE TENDANCE DONNEES SEMI STRUCTUREES FOUILLE DE DONNEES EXTRACTION DE CONNAISSANCES EVOLUTION DES SOURCES DE DONNEES ANALYSE DE TENDANCE SEMI STRUCTURED DATA: DISCOVERY UPDATE AND TREND ANALYSIS SEMI STRUCTURED DATA DATA MINING KNOWLEDGE EXTRACTION DATA SOURCES EVOLUTION TREND ANALYSIS Index. décimale : THE Thèses de doctorat Résumé : Avec la popularité du web, les sources d'informations sont multiples et les formats de données hétérogènes n'obéissent plus à une structure rigide. La cohabitation est rendue possible par les données semi structurées incluant leur schéma et pour lesquelles les contraintes d'une représentation relationnelle sont relaxées. C'est dans ce contexte que se situe notre proposition : "identifier des structures typiques, par le biais de méthodes adaptées de fouilles de données, au sein d'une collection de données semi structurées". Nous proposons une nouvelle approche appelée PSPtree, inspirée des motifs séquentiels, ainsi que sa généralisation PSPtree-GENERALISE. Ces algorithmes ont été intégrés au sein du système AUSMS (Automatic Update Schema Mining System) afin de collecter les données, de rechercher les sous-structures fréquentes et de maintenir les connaissances extraites suite aux évolutions des sources mais également d'analyser les tendances ainsi que visualiser les résultats.
With the growing popularity of the World Wide Web, information sources are numerous and heterogeneous data type doesn't follow a strict structure. The living together is allowed with semi structured data that include their schema and for which relational representation constraints have been released. Within this here is our proposal: "identify typical structures, by the way of fitted data mining methods, within a collection of semi structured data". We suggest a new approach named PSPtree, inspired by sequential patterns, and it generalization named PSPtree-GENERALISE. These algorithms have been fitted within the AUSMS system (Automatic Update Schema Mining System) in order to collect data, research frequent sub structures and maintain extracted know ledges following sources evolutions but also trends analysis and results visualization.Directeur(s) de thèse : PONCELET P. Co-directeur(s) de thèse : TEISSEIRE M. Président du jury : PRINCE V. Rapporteur(s) : MOHAND-SAID H.;LAURENT D. Date de soutenance : 30/08/2004 Données Semi Structurées : Découverte, Maintenance et Analyse de Tendances [texte imprimé] / P.A. LAUR, Auteur . - 2004.
Langues : Français (fre)
Tags : DONNEES SEMI STRUCTUREES FOUILLE DE DONNEES EXTRACTION DE CONNAISSANCES EVOLUTION DES SOURCES DE DONNEES ANALYSE DE TENDANCE DONNEES SEMI STRUCTUREES FOUILLE DE DONNEES EXTRACTION DE CONNAISSANCES EVOLUTION DES SOURCES DE DONNEES ANALYSE DE TENDANCE SEMI STRUCTURED DATA: DISCOVERY UPDATE AND TREND ANALYSIS SEMI STRUCTURED DATA DATA MINING KNOWLEDGE EXTRACTION DATA SOURCES EVOLUTION TREND ANALYSIS Index. décimale : THE Thèses de doctorat Résumé : Avec la popularité du web, les sources d'informations sont multiples et les formats de données hétérogènes n'obéissent plus à une structure rigide. La cohabitation est rendue possible par les données semi structurées incluant leur schéma et pour lesquelles les contraintes d'une représentation relationnelle sont relaxées. C'est dans ce contexte que se situe notre proposition : "identifier des structures typiques, par le biais de méthodes adaptées de fouilles de données, au sein d'une collection de données semi structurées". Nous proposons une nouvelle approche appelée PSPtree, inspirée des motifs séquentiels, ainsi que sa généralisation PSPtree-GENERALISE. Ces algorithmes ont été intégrés au sein du système AUSMS (Automatic Update Schema Mining System) afin de collecter les données, de rechercher les sous-structures fréquentes et de maintenir les connaissances extraites suite aux évolutions des sources mais également d'analyser les tendances ainsi que visualiser les résultats.
With the growing popularity of the World Wide Web, information sources are numerous and heterogeneous data type doesn't follow a strict structure. The living together is allowed with semi structured data that include their schema and for which relational representation constraints have been released. Within this here is our proposal: "identify typical structures, by the way of fitted data mining methods, within a collection of semi structured data". We suggest a new approach named PSPtree, inspired by sequential patterns, and it generalization named PSPtree-GENERALISE. These algorithms have been fitted within the AUSMS system (Automatic Update Schema Mining System) in order to collect data, research frequent sub structures and maintain extracted know ledges following sources evolutions but also trends analysis and results visualization.Directeur(s) de thèse : PONCELET P. Co-directeur(s) de thèse : TEISSEIRE M. Président du jury : PRINCE V. Rapporteur(s) : MOHAND-SAID H.;LAURENT D. Date de soutenance : 30/08/2004 Réservation
Réserver ce document
Exemplaires
Cote Support Localisation Section Notes Disponibilité THE-04 / 11303 Papier THESES INFORMATIQUE Disponible Documents numériques
Fichier (PDF)URL
Titre : Fouille de Données et Acquisition de Connaissances dans les Bases de Données de Réactions Chimiques Type de document : texte imprimé Auteurs : S. BERASALUCE, Auteur Année de publication : 2002 Langues : Français (fre) Tags : CHEMICAL INFORMATION SYSTEMS CHEMICAL REACTION DATABASES KNOWLEDGE BASED SYSTEMS SYSTEMES D'INFORMATION CHIMIQUE BASES DE DONNEES DE REACTIONS CHIMIQUES SYSTEMES A BASE DE CONNAISSANCES ACQUISITION DE CONNAISSANCES EXTRACTION DE CONNAISSANCES A PARTIR DE BASES DE DONNEES FOUILLE DE DONNEES DATA MINING AND KNOWLEDGE ACQUISITION FROM CHEMICAL REACTION DATABASES CHEMICAL INFORMATION SYSTEMS CHEMICAL REACTION DATABASES KNOWLEDGE BASED SYSTEMS KNOWLEDGE ACQUISITION KNOWLEDGE DISCOVERY FROM CHEMICAL REACTION DATABASES DATA MINING CHIMIE INFORMATIQUE ET THEORIQUE Index. décimale : THE Thèses de doctorat Résumé : Les systèmes d'information chimique sont des outils indispensables pour les chimistes organiciens. Ceux-ci disposent notamment de grandes bases de données décrivant des millions de réactions chimiques. Bien que constituant un progrès non négligeable, ces bases de données ne sont pas exemptes de défauts. Dans cette thèse, nous avons essayé de dépasser les limites de ces bases en ajoutant des connaissances structurant les données. Ceci nous permet d'envisager de nouveaux modes d'interrogation, plus performants, de ces bases. In fine, l'objectif est de concevoir des systèmes possédant à la fois des fonctionnalités de bases de données et de systèmes à base de connaissances. Dans le processus d'acquisition de connaissances, nous avons mis l'accent sur la modélisation des objets chimiques. Nous nous sommes intéressés, plus particulièrement, aux méthodes de synthèse que nous avons décrites en terme d'objectifs de synthèse atteints et de contextes structuraux d'application. Nous nous sommes ensuite appuyés sur le modèle élaboré pour appliquer des techniques de fouille de données et faire émerger des connaissances des bases de données de réactions. Les expérimentations que nous avons effectuées ont porté sur les méthodes de construction de monocycles, d'une part, et sur les interchanges fonctionnels, d'autre part. Nous avons utilisé pour nos divers développements la plate-forme RESYN ASSISTANT, un système d'aide à la planifcation de synthèse permettant de représenter les objets chimiques selon le modèle élaboré. Les résultats obtenus donnent des tendances en accord avec les connaissances du domaine et serviront d'heuristiques de choix des méthodes de synthèse.
Chemical information systems are indispensable tools for synthetic chemists. These ones can use, in particular, very large databases which describe millions of chemical reactions. Also they mark an advance in the field, these ones are not free from flaws. In this thesis, we have tried to overcome the databases limits by adding knowledge which structures data. This allows us to consider new efficient modes for query these databases. In the end, the goal is to design systems having both functionalities of databases and knowledge based systems. In the knowledge acquisition process, we emphasized on the modelling of chemical objects. More precisely, we were interested in synthetic methods which we have described in terms of synthetic objectives and structural contexts of application. Afterward, we based ourselves on the elaborated model to apply data mining techniques and to extract knowledge from chemical reaction databases. The experiments we have done concern synthetic methods which construct monocycles, on one side, and the functional interchanges, on the other side. For our various developments, we use the RESYN ASSISTANT platform, a system for synthesis planning assistance which provides representations of chemicals objects according to the elaborated model. The results give trends in good agreement with domain knowledge and will be used as heuristics in the choice of synthetic methods.Co-directeur(s) de thèse : LAURENCO C.;NAPOLI A. Président du jury : RIVAIL J.L. Rapporteur(s) : BOULICAUT J.-F.;KRIEF A. Examinateur(s) : DUCOURNAU R. Invité(s) : CASSANAS G. Date de soutenance : 20/12/2002 Fouille de Données et Acquisition de Connaissances dans les Bases de Données de Réactions Chimiques [texte imprimé] / S. BERASALUCE, Auteur . - 2002.
Langues : Français (fre)
Tags : CHEMICAL INFORMATION SYSTEMS CHEMICAL REACTION DATABASES KNOWLEDGE BASED SYSTEMS SYSTEMES D'INFORMATION CHIMIQUE BASES DE DONNEES DE REACTIONS CHIMIQUES SYSTEMES A BASE DE CONNAISSANCES ACQUISITION DE CONNAISSANCES EXTRACTION DE CONNAISSANCES A PARTIR DE BASES DE DONNEES FOUILLE DE DONNEES DATA MINING AND KNOWLEDGE ACQUISITION FROM CHEMICAL REACTION DATABASES CHEMICAL INFORMATION SYSTEMS CHEMICAL REACTION DATABASES KNOWLEDGE BASED SYSTEMS KNOWLEDGE ACQUISITION KNOWLEDGE DISCOVERY FROM CHEMICAL REACTION DATABASES DATA MINING CHIMIE INFORMATIQUE ET THEORIQUE Index. décimale : THE Thèses de doctorat Résumé : Les systèmes d'information chimique sont des outils indispensables pour les chimistes organiciens. Ceux-ci disposent notamment de grandes bases de données décrivant des millions de réactions chimiques. Bien que constituant un progrès non négligeable, ces bases de données ne sont pas exemptes de défauts. Dans cette thèse, nous avons essayé de dépasser les limites de ces bases en ajoutant des connaissances structurant les données. Ceci nous permet d'envisager de nouveaux modes d'interrogation, plus performants, de ces bases. In fine, l'objectif est de concevoir des systèmes possédant à la fois des fonctionnalités de bases de données et de systèmes à base de connaissances. Dans le processus d'acquisition de connaissances, nous avons mis l'accent sur la modélisation des objets chimiques. Nous nous sommes intéressés, plus particulièrement, aux méthodes de synthèse que nous avons décrites en terme d'objectifs de synthèse atteints et de contextes structuraux d'application. Nous nous sommes ensuite appuyés sur le modèle élaboré pour appliquer des techniques de fouille de données et faire émerger des connaissances des bases de données de réactions. Les expérimentations que nous avons effectuées ont porté sur les méthodes de construction de monocycles, d'une part, et sur les interchanges fonctionnels, d'autre part. Nous avons utilisé pour nos divers développements la plate-forme RESYN ASSISTANT, un système d'aide à la planifcation de synthèse permettant de représenter les objets chimiques selon le modèle élaboré. Les résultats obtenus donnent des tendances en accord avec les connaissances du domaine et serviront d'heuristiques de choix des méthodes de synthèse.
Chemical information systems are indispensable tools for synthetic chemists. These ones can use, in particular, very large databases which describe millions of chemical reactions. Also they mark an advance in the field, these ones are not free from flaws. In this thesis, we have tried to overcome the databases limits by adding knowledge which structures data. This allows us to consider new efficient modes for query these databases. In the end, the goal is to design systems having both functionalities of databases and knowledge based systems. In the knowledge acquisition process, we emphasized on the modelling of chemical objects. More precisely, we were interested in synthetic methods which we have described in terms of synthetic objectives and structural contexts of application. Afterward, we based ourselves on the elaborated model to apply data mining techniques and to extract knowledge from chemical reaction databases. The experiments we have done concern synthetic methods which construct monocycles, on one side, and the functional interchanges, on the other side. For our various developments, we use the RESYN ASSISTANT platform, a system for synthesis planning assistance which provides representations of chemicals objects according to the elaborated model. The results give trends in good agreement with domain knowledge and will be used as heuristics in the choice of synthetic methods.Co-directeur(s) de thèse : LAURENCO C.;NAPOLI A. Président du jury : RIVAIL J.L. Rapporteur(s) : BOULICAUT J.-F.;KRIEF A. Examinateur(s) : DUCOURNAU R. Invité(s) : CASSANAS G. Date de soutenance : 20/12/2002 Réservation
Réserver ce document
Exemplaires
Cote Support Localisation Section Notes Disponibilité THE-02 / 7655 Papier THESES NON CLASSES Disponible Documents numériques
Fichier (ZIP)URL
Titre : Preference Learning Type de document : texte imprimé Auteurs : Johannes Fürnkranz, Auteur Editeur : Eyke Hüllermeier Année de publication : 2010 ISBN/ISSN/EAN : 978-3-642-14124-9 Langues : Anglais (eng) Tags : Artificial intelligence Data mining Information retrieval Instance ranking Label ranking Learning Machine learning Multicriteria decision-making Object ranking Operations research Preference learning Preference prediction Reasoning Recommender systems Supevised learning Index. décimale : I4 I4 - Intelligence Artificielle Résumé : The topic of preferences is a new branch of machine learning and data mining, and it has attracted considerable attention in artificial intelligence research in recent years. Representing and processing knowledge in terms of preferences is appealing as it allows one to specify desires in a declarative way, to combine qualitative and quantitative modes of reasoning, and to deal with inconsistencies and exceptions in a flexible manner. Preference learning is concerned with the acquisition of preference models from data – it involves learning from observations that reveal information about the preferences of an individual or a class of individuals, and building models that generalize beyond such training data. This is the first book dedicated to this topic, and the treatment is comprehensive. The editors first offer a thorough introduction, including a systematic categorization according to learning task and learning technique, along with a unified notation. The remainder of the book is organized into parts that follow the developed framework, complementing survey articles with in-depth treatises of current research topics in this area. The book will be of interest to researchers and practitioners in artificial intelligence, in particular machine learning and data mining, and in fields such as multicriteria decision-making and operations research. Preference Learning [texte imprimé] / Johannes Fürnkranz, Auteur . - [S.l.] : Eyke Hüllermeier, 2010.
ISBN : 978-3-642-14124-9
Langues : Anglais (eng)
Tags : Artificial intelligence Data mining Information retrieval Instance ranking Label ranking Learning Machine learning Multicriteria decision-making Object ranking Operations research Preference learning Preference prediction Reasoning Recommender systems Supevised learning Index. décimale : I4 I4 - Intelligence Artificielle Résumé : The topic of preferences is a new branch of machine learning and data mining, and it has attracted considerable attention in artificial intelligence research in recent years. Representing and processing knowledge in terms of preferences is appealing as it allows one to specify desires in a declarative way, to combine qualitative and quantitative modes of reasoning, and to deal with inconsistencies and exceptions in a flexible manner. Preference learning is concerned with the acquisition of preference models from data – it involves learning from observations that reveal information about the preferences of an individual or a class of individuals, and building models that generalize beyond such training data. This is the first book dedicated to this topic, and the treatment is comprehensive. The editors first offer a thorough introduction, including a systematic categorization according to learning task and learning technique, along with a unified notation. The remainder of the book is organized into parts that follow the developed framework, complementing survey articles with in-depth treatises of current research topics in this area. The book will be of interest to researchers and practitioners in artificial intelligence, in particular machine learning and data mining, and in fields such as multicriteria decision-making and operations research. Réservation
Réserver ce document
Exemplaires
Cote Support Localisation Section Notes Disponibilité I4 / 15357 Papier OUVRAGES INFORMATIQUE Emprunté par: Souhila Kaci
Sorti jusqu'au 19/12/2013
