beninca.link/cnam.marc
beninca.link/cnam.marc
1
0
Fork 0
Code Issues Pull requests Projects Releases Packages Wiki Activity Actions

opti

Browse source
This commit is contained in:
Marc Beninca 2020-08-14 14:52:20 +02:00
parent 3bc0e345c2
commit fae39133a3
2 changed files with 11 additions and 1 deletions
Download patch file Download diff file Expand all files Collapse all files

1
cnam/travaux/probatoire/document/glossaries.tex
View file

@ -2,6 +2,7 @@
\newacronym{anova}{ANOVA}{ANalysis Of VAriance} \newacronym{anova}{ANOVA}{ANalysis Of VAriance}
\newacronym{hbos}{HBOS}{Histogram Based Outlier Score} \newacronym{hbos}{HBOS}{Histogram Based Outlier Score}
\newacronym{irm}{IRM}{Imagerie par Résonnance Magnétique}
\newacronym{nn}{NN}{Nearest Neighbors} \newacronym{nn}{NN}{Nearest Neighbors}
\newacronym{rbf}{RBF}{Radial Basis Function} \newacronym{rbf}{RBF}{Radial Basis Function}
\newacronym{sgbd}{SGBD}{Systèmes de Gestion de Bases de Données} \newacronym{sgbd}{SGBD}{Systèmes de Gestion de Bases de Données}

11
cnam/travaux/probatoire/document/principles.tex
View file

@ -252,6 +252,15 @@ deux approches sont intéressantes \cite{multi-class} :
\subsubsection{Optimisation} \subsubsection{Optimisation}
Référence optimisation \cite{mri} \cite{optimization} Normaliser les données avant de les classifier peut donner de bien meilleurs
résultats en fonction du type de problèmes considéré.
Dans le cadre de la proposition d’un nouvel algorithme pour classifier des
tumeurs cérébrales à partir d’\gls{irm} \cite{mri}, sont recensées
(entre 1990 et 2018) de nombreuses combinaisons de pré-traitements
et de classifications. \cite{optimization}
Parmi ces traitements : filtre gaussien, réduction de bruit,
suppression d’artefacts, égalisation d’histogramme, filtre médian.
\pagebreak \pagebreak