منابع مشابه
Sélection simultanée d'index et de vues matérialisées
Résumé. Les index et les vues matérialisées sont des structures physiques qui accélèrent l’accès aux données d’un entrepôt. Ces structures engendrent cependant une surcharge de maintenance. Par ailleurs, elles partagent le même espace disque. Les travaux existants dans le domaine de la sélection d’index et de vues matérialisées traitent ces deux structures de manière isolée. Dans cet article, n...
متن کاملClassification et sélection de caractéristiques de textures. Utilisation d'algorithmes automatiques supervisés de sélection d'attributs pour la classification d'images
RÉSUMÉ. Les experts en classification d’images utilisent des caractéristiques variées pour représenter les textures. Nous proposons de choisir les plus pertinentes à l’aide d’une procédure automatique de sélection de caractéristiques. Nous comparons pour cela l’efficacité de plusieurs algorithmes de sélection récents. L’ensemble des algorithmes est évalué à l’aide de critères heuristiques ainsi...
متن کاملCritère VT100 de sélection des règles d'association
Résumé. L’extraction de règles d’association génère souvent un grand nombre de règles. Pour les classer et les valider, de nombreuses mesures statistiques ont été proposées ; elles permettent de mettre en avant telles ou telles caractéristiques des règles extraites. Elles ont pour point commun d’être fonction croissante du nombre de transactions et aboutissent bien souvent à l’acceptation de to...
متن کاملSélection de Caractéristiques pour le Filtrage de Spams
Feature selection is an important step in classification systems. It aims at reducing the number of features while trying to preserve or improve classifier performance. In this article, we propose a machine learning based feature selection approach, in the context of spam filtering which is considered as a text categorization task. Our approach consists in an individual evaluation of each attri...
متن کاملSélection topologique de variables dans un contexte de discrimination
Résumé. En apprentissage automatique, la présence d’un grand nombre de variables explicatives conduit à une plus grande complexité des algorithmes et à une forte dégradation des performances des modèles de prédiction. Pour cela, une sélection d’un sous-ensemble optimal discriminant de ces variables s’avère nécessaire. Dans cet article, une approche topologique est proposée pour la sélection de ...
متن کاملذخیره در منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ژورنال
عنوان ژورنال: Perspective
سال: 2009
ISSN: 1777-7852,2269-7721
DOI: 10.4000/perspective.1392