Titre : |
Knowledge fusion from the human expert and database : Medical application |
Type de document : |
texte imprimé |
Auteurs : |
BEHADADA, omar, Auteur ; CHIKH, M.Amine, Auteur |
Editeur : |
Université tlemcen |
Année de publication : |
2017 |
Importance : |
89 p. |
Présentation : |
ill. |
Format : |
30 cm |
Accompagnement : |
cd |
Langues : |
Français (fre) Langues originales : Français (fre) |
Résumé : |
Dans cette thèse, nous introduisons une nouvelle méthode pour définir des règles de partition
semi-automatique flou pour fournir un aperçu puissant et précis de l'arythmie cardiaque. En
particulier, nous définissons une approche d'extraction de texte appliquée à un ensemble de
données important composé des documents scientifiques disponibles gratuitement par PubMed.
L'information extraite est ensuite intégrée à des connaissances spécialisées, ainsi qu'à des
données expérimentales, pour fournir un système robuste, évolutif et précis, qui peut répondre
avec succès aux défis posés par la gestion et l'évaluation des grandes données dans le secteur
médical. L'évaluation que nous avons effectuée montre un taux d'exactitude de 93% et une
interprétation de 0.646, ce qui montre clairement que notre méthode offre un excellent équilibre
entre précision et transparence du système. En outre, cela contribue de manière substantielle à
la découverte de connaissances et offre un outil puissant pour faciliter le processus décisionnel. |
Knowledge fusion from the human expert and database : Medical application [texte imprimé] / BEHADADA, omar, Auteur ; CHIKH, M.Amine, Auteur . - Université tlemcen, 2017 . - 89 p. : ill. ; 30 cm + cd. Langues : Français ( fre) Langues originales : Français ( fre)
Résumé : |
Dans cette thèse, nous introduisons une nouvelle méthode pour définir des règles de partition
semi-automatique flou pour fournir un aperçu puissant et précis de l'arythmie cardiaque. En
particulier, nous définissons une approche d'extraction de texte appliquée à un ensemble de
données important composé des documents scientifiques disponibles gratuitement par PubMed.
L'information extraite est ensuite intégrée à des connaissances spécialisées, ainsi qu'à des
données expérimentales, pour fournir un système robuste, évolutif et précis, qui peut répondre
avec succès aux défis posés par la gestion et l'évaluation des grandes données dans le secteur
médical. L'évaluation que nous avons effectuée montre un taux d'exactitude de 93% et une
interprétation de 0.646, ce qui montre clairement que notre méthode offre un excellent équilibre
entre précision et transparence du système. En outre, cela contribue de manière substantielle à
la découverte de connaissances et offre un outil puissant pour faciliter le processus décisionnel. |
|