Proposition d un model hiérarchique et coopératif agent pour la segmentation d image
|
|
- Albert Vinet
- il y a 8 ans
- Total affichages :
Transcription
1 Proposition d un model hiérarchique et coopératif agent pour la segmentation d image Mansouri Ziad 1, Hayet Farida Merouani 1, 1 Département d informatique Laboratoire LRI/Equipe SRF Université Badji Mokhtar Annaba Algérie Mansouri Ziad, manzedinf@yahoo.fr.com Hayet Farida Merouani, hayet_merouani@yahoo.fr Résumé: Une nouvelle approche hybride de segmentation d images couleurs ou en niveau de gris est proposée dans ce travail. C est une approche hiérarchique et adaptative basée sur une coopération région-contour. La segmentation procède par l élaboration d un ensemble de régions et de contours initiaux qui vont être améliorés mutuellement et hiérarchiquement dans un environnement multi-agents offrant une vision à la fois globale et locale au processus de segmentation. Mots clés: segmentation, coopération région-contour, Color Structure Code, traitement d image. 1 Introduction La segmentation d images est une étape cruciale dans tout processus d analyse d image. Elle consiste à préparer l image afin de la rendre mieux exploitable par un processus automatique telle que l interprétation. L approche de segmentation par contour consiste à localiser les frontières des objets, et qui opère d une manière purement locale, complique donc la délimitation et la précision de ces objets. Les approches de segmentation par région quant à elles agissent en partitionnant l image en un ensemble de régions où chaque une désigne un ou plusieurs objets connexes, mais ils ont tendance à déformer les frontières naturelles des objets. Dans la pratique les meilleurs résultats de segmentation sont obtenus en combinant conjointement des méthodes distinctes. En faisant cela nous obtenons des approches hybrides plus solides et plus efficaces, car la limite d une méthode peut être surpassée par une autre, ou bien sa force peut être renforcée. Dans ce travail, on propose un système de segmentation qui offre une coopération région-contours au sein d un système multi agent. Notre objectif est de concevoir un système qui engendrera des résultats de bonne qualité pour la segmentation d images couleurs et en niveau de gris tout en ayant un temps d exécution acceptable. Notre approche de segmentation requiert l utilisation d une topologie hexagonale spéciale pour coder l image afin que nous puissions utiliser l algorithme de
2 segmentation région CSC qui sera présentée en 2. Le principe de cette segmentation est donné en section 3, en précisant le seuil adaptatif, la coopération contour-contour en 3.2, la coopération région-contour en 3.3 et la correction des régions en 3.4. La plate forme d agents est donnée en section 4. Quelques précisions concernant l implémentation sont données en section 5, on termine cet article par une conclusion et discussion. 2 Segmentation par Color Structure Code CSC est une méthode de segmentation par région, introduit par Rehrmann [12]. Son fonctionnement requiert l utilisation d une structure hexagonale hiérarchique pour coder l image. Initialement l image est découpé en un ensemble de petits ilots contenant chaqu un 7 pixels. Ces ilots initiaux se recouvrent où chaque deux ilots adjacents partagent un seul pixel. Avec cette structure chaque ilot a exactement 7 ilots voisins comme illustre la figure1 [3] suivante: Figure 1 : Structuration des pixels dans des îlots. Ces ilots initiaux forment le niveau 0 de la hiérarchie. Pour générer le niveau suivant on considère que les ilots initiaux sont des pixels et on réitère le processus. Donc chaque ilot de niveau 1 est formé par l assemblement de 7 ilots de niveau 0. Le processus est itéré de façons que chaque îlot de niveau n sera constitué de 7 ilots de niveau n-1 jusqu'à l obtention d un seul îlot qui englobe toute l image [3]. Figure 2 : les îlots de différents niveaux [3]
3 La problématique triviale de cette topologie hexagonale est que la plupart des outils d acquisition et d affichage des images adoptent une topologie orthogonale. Pour cela on propose de simuler une topologie hexagonale sur un grillage orthogonal, comme ce qui est résumé dans la figure 3 proposée par [6] : Figure 3 : adaptation de la topologie hexagonale sur une topologie orthogonale Généralement pour une image de taille : (2 mm + 1) (2 mm + 1) on aura m niveaux. Cette manière de grouper les zones de l image d une manière élégante et hiérarchiques facilite et encourage la répartition et le partage du processus de segmentation. Cette hiérarchie hexagonale va être utilisée par un processus de segmentation région Split & Merge utilisant le principe de croissance de régions dans les ilots initiaux comme on va décrire dans la section suivante où la méthode CSC procède en 3 étapes distinctes, à savoir l initialisation, le groupage et le découpage. 2.1 L initialisation Cette phase traite les îlots d niveau 0 seulement, elle consiste à appliquer dans chaque îlot un algorithme de croissance de régions, ceci va donner entre une et sept régions - de niveau 0- dans chaque îlot. Puisque ce processus traite les îlots d une manière indépendante, cette étape peut être exécutée en parallèle sur les différents îlots de niveau 0. Pour mesurer la similarité entre régions il est préférable d utiliser la représentation HSV des couleurs au lieu du RGB car il s accorde mieux au système visuel humain ce qui conduit à un meilleur résultat de segmentation. Les régions obtenues dans cette phase sont encapsulées dans des code-éléments (ou code-région). Un code-élément est une structure qui décrit une région ainsi que toutes les informations la concernant (couleur moyennes, taille,...etc.). Ainsi la phase d initialisation figure 4 [3], consiste à créer les code-éléments de niveau 0.
4 Figure 4 : Phase d initialisation 2.2 Le groupement Dans la phase d initialisation le processus de segmentation a eu une vision limitée aux ilots initiaux traité indépendamment, si on passe au niveau suivant on aura des ilots de niveau 1 qui englobent chaqu un 7 ilots de niveau 0 avec leurs code-elements respectifs. Donc on aura une vision plus globale qui nous permettra de fusionner les code-elements homogènes si nécessaire. Donc cette phase consiste à créer les code-elements des niveaux supérieurs à 0 comme suit : Dans chaque ilot de niveau n on génère les codes-éléments de niveau n en groupant les code-éléments de niveau n-1 qui sont à la fois connectés et similaires. La phase de groupement ressemble a la phase d initialisation, seulement elle ne groupe pas des pixels mais des sous régions indiquées par des code-éléments. Et la encore le processus peut être complètement parallèle pour chaque îlot de niveau n. Le résultat de cette étape est un ensemble d arbre de code-elements. Lorsqu un codeélément d un niveau quelconque i ne sera plus fusionné avec aucun autre codeélément de même niveau, alors ce dernier devient la racine d un arbre qui désigne une région proprement dite. Donc l image segmentée sera représentée par une liste de segments où chaque segment est désigné par une racine d un arbre de code-élément. Pour clarifier la structure de cet arbre on signale que chaque code-element a au maximum deux parents et un nombre n d enfants. Le fait de rechercher si deux codes éléments sont connectés devient une chose aisée avec l utilisation de la topologie hexagonale vu les îlots se recouvrent partiellement. Car deux code-éléments de niveau i sont connectés s ils ont au moins un code d éléments de niveau i-1 en commun (2 code-éléments de niveau 0 sont connectés s ils ont au moins un pixel en commun). Cette caractéristique offre plus de rapidité et moins de complexité, contrairement aux techniques split & merge qui utilisent des graphes d adjacences (temps de calcul, coût de MAJ,...etc.) [14].
5 Figure 5 : Phase de groupage 2.3 Le découpage Comme on peut le constater, le processus de segmentation est jusqu ici purement local, s il existe un groupe de pixels entre deux régions qui changent de couleurs finement entre-elle (le problème d enchaînement successif et aveugle des pixels voisins des méthodes locales) on peut fusionner ces deux régions même s ils ne sont pas assez homogènes. Dans ce cas on va avoir des petites sous régions homogènes, en les fusionnant on obtient une grande région non homogène. Ce problème dont souffre la plupart des méthodes de segmentation utilisant uniquement l information locale, peut être résolu en ajoutant une vision globale au résultat obtenue, afin de corriger toute fusion non adéquate. Ainsi, la phase de découpage opère simultanément avec la phase de groupement, en vérifiant le respect de similarité entre les différents code-éléments nouvellement connectés dans chaque niveau. Si la phase de groupement à mal grouper des codeéléments, créant ainsi un nouveau code-élément non homogène, alors la phase de découpage détecte automatiquement les sous code-éléments responsable et les privent de faire partie du code-éléments englobant (elle découpe ce dernier), ce qui donne une région homogène. On signale que découper deux code-éléments déjà connectés opère d une manière récursive dans toutes les parties communes de ces deux code-éléments. N oublions pas que dans l algorithme CSC tous les ilots s interposent (structure hexagonale), donc même si ces deux codes-éléments vont être séparés, ils auront quand même une zone commune. Ce qui nécessite qu on descend vers le niveau de cette zone commune et qu on la découpe elle aussi d une manière récursive jusqu au niveau des pixels. On peut conclure que la phase de découpage est couteuse en temps de calcule, mais fort heureusement pour nous qu elle ne s exécute que très rarement dans la pratique (en réalité, il y aura que des groupages et très peu de découpages). On peut améliorer le résultat de segmentation en changeant le seuil ou les critères d homogénéité dans chaque niveau. Par exemple les critères seront plus stricts dans les niveaux supérieurs qu au niveau inferieurs. La phase de découpage peut engendrer quelques problèmes dans certains cas très rares où on peut avoir des éléments non connexes (des régions disjointes), ou des régions vides. On peut corriger ces erreurs en ajoutant une phase de vérification qui
6 contrôle l état des régions après chaque découpage (dans notre système, l agent contrôleur s occupe de ça) [6]. Finalement, on peut remarquer que la méthode CSC avec son organisation hiérarchique et parallèle et sa vision locale et globale s adapte bien à un système multi-agent, d où notre choix s est porté sur elle. Pour avoir plus d information sur la structure des ilots et l implémentation de cette méthode consulter [13]. 3 Principe général de l approche de segmentation En partant du principe que les deux primitives régions et contours sont complémentaires et qu une coopération ou une coordination entre ces 2 approches peut combler les lacunes dont souffrent les méthodes de segmentation classiques, et en considérant que notre approche doit être adaptative au contenu de l image, on a constater que notre système de segmentation en se basant sur la structure hiérarchique imposée par la méthode CSC va nous permette de : D avoir des zones de focalisation (ou de traitement) : la segmentation ne va pas procéder dans toute l image aveuglement, mais l image va être découpée en plusieurs petites zones (les ilots dans chaque niveau), et le processus de segmentation consiste à créer des sous processus de segmentation dans chaque zone. D avoir une coopération mutuelle entre les contours et les régions dans chaque zone : dans notre système les contours évoluent de niveau en niveau en utilisant l information région dans chaque ilot et l information contours des ilots des niveaux inferieurs, mais les régions seront construites indépendamment par la méthode CSC, et à la fin une phase de raccordement des régions sur les contours finales sera lancée. D affiner la qualité de segmentation : puisque notre approche est hiérarchique, alors à chaque fois qu on monte vers un niveau supérieur on aura une vision plus globale (cela est dû au système des ilots hiérarchiques du CSC), et une coopération avec les contours et les régions trouvés dans les sous zones de la zone concernée avec les contours et les régions de cette zone englobante peut améliorer la segmentation comme on va détailler par la suite (fermeture de contours, aménagement des régions, changement de seuil, etc.). De pouvoir exécuter le processus de segmentation d une manière parallèle et distribuée, car une image peut être découpée en plusieurs parties où chaque une peut être affectée a un sous processus de segmentation, et a la fin on groupe le résultat (afin de pouvoir obtenir l ilot globale) pour obtenir l image segmentée finale. Cette vision peut être implémentée dans les systèmes ayant une architecture parallèle pour bénéficier de l accélération du traitement.
7 SSSSSS Notre approche repose sur 4 concepts, on va les détailler dans ce qui suit : 3.1 Seuil adaptatif des contours Pour détecter un contour nous avons utilisé le filtre de Deriche qui offre bonne précision et détection. Cependant et comme on l a cité plus haut, la détection d un contour se fait dans un ilot précis de niveau n. Alors le seuil choisi pour ce filtre afin de retenir les points de conteurs dépend de l état de l ilot dans lequel ce contour appartient [11]. L état d un ilot pour nous est désigné par le niveau d homogénéité des régions contenues dans cet ilot. Si un contour se retrouve dans un ilot contenant des régions très homogènes (couleurs proche), alors le contour peut être négligé afin de fusionner ces régions dans le futur (dans l ilot de niveau supérieur), donc pour ignorer le contour il faut augmenter le seuil. Si un contour se retrouve dans un ilot contenant des régions très hétérogènes, alors le contour doit être renforcé afin de bien distinguer les frontières des régions dans le futur, donc pour renforcer le contour il faut diminuer le seuil. On aura donc une relation linéaire entre le seuil des contours et le niveau d homogénéité des régions, et qui peut être donnée par la formule : Avec : α : constante définie par l application qui control le nombre de contours. β : variable qui contrôle le niveau de prise en compte de l homogénéité, dans les niveaux inferieurs β sera plus petit que dans les niveaux érieurs sup (l homogénéité de gros régions est plus significative que l homogénéité de petites régions). Pour calculer l homogénéité des régions dans un ilot on a choisie le calcul de la variance des couleurs moyennes des régions (code-éléments) où : 1 ssss VVVVVVVVVVVVVVVV 0 HHHHHHHHHHénnéiiiié = VVVVVVVVVVVVVVVV VVVVll MMMMMM ssss VVVVVVVVVVVVVVVV = 0 (22) Avec: VVVVll MMMMMM : une constante définie par l application qui définie l homogénéité maximale. Donc, avec un seuil dynamique, la détection des contours sera adaptative selon le contenue de l image.
8 3.2 La coopér ation contour -contour Initialement les contours initiaux (se situant sur des ilots de niveau 0) seront construits comme on a expliqué en choisissant un seuil spécifié, ensuite et au niveau suivant on aura un ilot englobant de niveau 1 contenant 7 ilot de niveau 0. Dans cet ilot on va recommencer le même processus (designer un nouveau seuil et créer une nouvelle carte de contours). Donc on aura une carte de contour de niveau 1 nouvellement créé, et 7 sous-cartes de contours résultant des 7 sous ilots de niveau 0. Une coopération contour-contour se fasse entre les différentes cartes de contours des deux niveaux afin de mieux suivre et fermer les contours comme illustre la figure 6. On signale que les cartes de contours de différents niveaux ne seront pas nécessairement les mêmes vu que les seuils utilisés pour les calculer diffèrent d un niveau a l autre car l homogénéité change assurément. Figure 6 : coopération des contours Ce processus de négociation entre les contours se poursuit de niveau en niveau jusqu au dernier où on obtient la carte de contour finale. 3.3 La coopér ation région-contour (les contours utilisent les régions) Deux cas se présentent : Si un contour est inclut dans une région (c est à dire tous les points du contour sont dans la zone de la région) et que ce contour n a pas évolué (changer de taille) depuis au moins 2 niveaux de la hiérarchie malgré que la région englobante a amplifié, alors ce contour sera supprimé car il s agit d un faux contour ou d un contour négligeable. Si un contour se situe entre 2 régions distinctes, alors en coopérant avec les deux régions avoisinantes il peut se complété en suivant les frontières des deux régions.
9 On signale que cette coopération ne ce produit que dans les niveaux supérieurs de la hiérarchie où les régions serons assez grande, car si on procède par compléter les contours dans les niveaux inferieurs on aura plus de faux contours et la performance de la coopération contours-contours sera diminuée 3.4 Cor r ection des régions Figure 7 : coopération contours-régions La segmentation par CSC donne parfois des objets ayant des contours qui ne collent pas bien avec les frontières exactes des objets (elle fusionne des parties des objets avoisinantes), mais avec une coopération contour on peut corriger cela on coupant les régions pour leur donner un contour plus naturel. Ce processus de découpage produit de nouveaux régions sur les frontières des objets qui doivent être fusionnés avec les régions avoisinantes de l autre coté comme illustre la figure 8. Donc pour avoir une bonne segmentation on doit fusionner ces petites régions avec leurs régions correspondantes après leurs découpages (une coopération régionrégion). On signale que la phase de correction des régions ne s applique qu à la fin du processus de segmentation quand toutes les régions et les contours seront définis car le découpage d une région de niveau inferieur est très couteux en temps de calcule et ça nous donne rien de meilleur de diviser une centaine de sous régions vu que le résultat sera le même.
10 Figure 8 : correction des régions 4 La plate forme d agents La plateforme d agents proposée est constituée de 4 types d agent: l agent région, l agent contours, l agent coordinateur et l agent contrôleur. 1. L agent région : représente une région (chaque agent région pour chaque racine d un arbre de code-élément), il gère les informations de sa région (sa taille, son homogénéité, sa forme, etc.), ainsi que la coopération avec les contours via l agent coordinateur. 2. L agent contours : représente une carte de contours dans un ilot définie, il gère la communication et la coopération avec les autres cartes de contours des niveaux supérieurs et inferieurs ainsi que la coopération avec les régions. 3. L agent coordinateur : coordonne et arrange les transactions entre les agents contours et régions. Il fait les calcules concernant le seuil des contours et l homogénéité des régions. Pour chaque ilot on aura un seul agent coordinateur. 4. L agent contrôleur : qui vérifier progressivement le résultat et la qualité du processus de segmentation (si une incohérence se produit, il l a détecte et tente de la corriger en communicant avec les agents contours et régions). On aura un seul agent contrôleur par niveau.
11 Figure 9 : Principe du système de segmentation à travers l évolution d un ilot Agent contrôleur du niveau L+1 Agent coordinateur Agent région Un ilot de niveau L+1 Agent contours Coopération contourcontour inter-niveau Le niveau L+1 Agent coordinateur n Agent coordinateur 1 Définir le seuil Coopération région contour Intra-niveau Agent Région Agent Contours Agent Région Agent Contours Îlot n Îlot 1 Agent contrôleur du niveau L Le niveau L Figure 10 : les interactions entre les agents
12 5 Implémentation Nous avons implémenté en JAVA la méthode CSC ainsi que l algorithme de détection de contours de Deriche. On a utilisé JADE de FIPA pour implémenter notre SMA, mais nous n avons pas encore réalisé toutes les types de coopérations cités. On a comparé notre système incomplet (prototype) avec les méthodes de segmentation par histogramme, et par split & merge, et il était clair que le résultat de segmentation de notre système est bien meilleur. Donc, en attendant l achèvement de notre SMA, l étape de comparaison et d estimation de la qualité de l approche est à prévoir dans un futur proche. 6 CONCLUSION Figure 11 : Segmentation par notre système (incomplet). L architecture basée agents présentée offre une flexibilité et une adaptabilité supérieure à la plupart des méthodes de segmentation classique, elle exploite le maximum d information en combinant les deux approches région et contour profitant ainsi des avantages de chacune d elles, et donne une vision locale et globale appuyée par un environnement hiérarchique et coopératif, cette manière de faire comble les lacunes de ces deux approches.
13 References 1. T. Acharya, Ajoy K. Ray, "Image Processing, Principles and Applications", ouvrage, "A Wiley-Interscience Publication", chapitre Z. AI Aghbari, R. AI-Haj, "Hill-manipulation: An effective algorithm for color image segmentation", Département d'informatique, université de Sharjah, Emirates, J.C Baillie, 2003, "Segmentation", Cours Traitement d'image et Vision Artificielle. 4. A. Chehikian, "Image segmentation by contours and regions cooperation", Laboratoire des Images et des Signaux, Institut National Polytechnique de Grenoble et l'université Joseph Fourier Grenoble, INPG, Grenoble Cedex, France, H.D. Cheng, X.H. Jiang, Y.Sun, Jingli Wang, "Color image segmentation: advances and prospects", Département d'informatique, Utah state university, USA, Gy. Dorko, D. Paulus, U. Ahlrichs. Color segmentation for scene exploration. Université d Erlangen-Nurenberg, Institut d informatique. 7. J. Lecoeur, C. Barillot, "Segmentation d images cérébrales : État de l art", Théme BIO Systèmes biologiques, Projet VisAGeS Rapport de recherche n 6306 Juillet Z. Mansouri, F. H. Merouani, Un modèle d interaction multi-agents région-contour pour la segmentation d images, Conférence JSIA 2009-Guelma-Algérie. 9. [Moghaddamzadeh, 1996] A. Moghaddamzadeh, N. Bourbakis, "A Fuzzy Region Growing Approch For Segmentation Of Color Images", Departement de EE, AAAI Lab, université de Binghamton, Binghamton, USA, O. Monga, "Segmentation d images : ou en somme nous?" Support de cours pour le congres PIXIM E. Navon, O. Miller, A. Averbuch, "Color image segmentation based on adaptative local thresholds", Département d'informatique, université de Tel-Aviv 69978, Israel, L. Priese, V. Rehrmann, A Fast Hybride Color Segmentation Method, Institut d informatique, Université de Koblenz-Landau, Rheinau 1, D Koblenz, Allemagne. 13. L. Priese, V. Rehrmann. Introduction to the Color Structure Code and its Implementation, V. Rehrmann, L.Priese. Fast and Robust Segmentation of Natural Color Scenes, Image Recognition Lab, Université de Koblenz-Landau. Rheinau 1, Koblenz. Allemagne. 15. A. Tremeau, N. Borel, "A region growing and merging algorithm to color segmentation", Institut d'ingénierie de la vision, Saint-Etienne, France, D. Zugai, V.Lattuati, "A new approach of color images segmentation based on fusing region and edge segmentation outputs", Laboratoire d'automatique des arts et métiers/laam, F Paris, France, 1997.
Traitement bas-niveau
Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.
Plus en détailGéométrie discrète Chapitre V
Géométrie discrète Chapitre V Introduction au traitement d'images Géométrie euclidienne : espace continu Géométrie discrète (GD) : espace discrétisé notamment en grille de pixels GD définition des objets
Plus en détailAnalyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57
Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation
Plus en détailIntelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com
Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailDétection des points d intérêt et Segmentation des images RGB-D. Présentée par : Bilal Tawbe. Semaine de la recherche de l UQO
Détection des points d intérêt et Segmentation des images RGB-D Présentée par : Bilal Tawbe Semaine de la recherche de l UQO 25 Mars 2015 1. Introduction Les méthodes de détection de points d intérêt ont
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailIntroduction au maillage pour le calcul scientifique
Introduction au maillage pour le calcul scientifique CEA DAM Île-de-France, Bruyères-le-Châtel franck.ledoux@cea.fr Présentation adaptée du tutorial de Steve Owen, Sandia National Laboratories, Albuquerque,
Plus en détailLes algorithmes de base du graphisme
Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............
Plus en détailObjectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique
Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailAvis n 94-02 sur la méthodologie relative aux comptes combinés METHODOLOGIE RELATIVE AUX COMPTES COMBINES
CONSEIL NATIONAL DE LA COMPTABILITÉ Avis n 94-02 sur la méthodologie relative aux comptes combinés Le Conseil national de la comptabilité réuni en formation de Section des entreprises le 28 octobre 1994,
Plus en détailL analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :
La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.
Plus en détailOptimisation de la compression fractale D images basée sur les réseaux de neurones
Optimisation de la compression fractale D images basée sur les réseaux de neurones D r BOUKELIF Aoued Communication Networks,Architectures and Mutimedia laboratory University of S.B.A aoued@hotmail.com
Plus en détailmodélisation solide et dessin technique
CHAPITRE 1 modélisation solide et dessin technique Les sciences graphiques regroupent un ensemble de techniques graphiques utilisées quotidiennement par les ingénieurs pour exprimer des idées, concevoir
Plus en détailGrandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test
Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite
Plus en détailTélé-Procédure de Gestion d Incidents : Spécifications et Prototype.
Télé-Procédure de Gestion d Incidents : Spécifications et Prototype. By Sébastien Pinel Performed at Laboratory LIG Equipe IIHM Université Joseph Fourrier Grenoble In partial fulfillment of the requirements
Plus en détailCLOUD PUBLIC, PRIVÉ OU HYBRIDE : LEQUEL EST LE PLUS ADAPTÉ À VOS APPLICATIONS?
CLOUD PUBLIC, PRIVÉ OU HYBRIDE : LEQUEL EST LE PLUS ADAPTÉ À VOS APPLICATIONS? Les offres de Cloud public se sont multipliées et le Cloud privé se généralise. Désormais, toute la question est de savoir
Plus en détailModélisation multi-agents - Agents réactifs
Modélisation multi-agents - Agents réactifs Syma cursus CSI / SCIA Julien Saunier - julien.saunier@ifsttar.fr Sources www-lih.univlehavre.fr/~olivier/enseignement/masterrecherche/cours/ support/algofourmis.pdf
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voies : Mathématiques, physique et sciences de l'ingénieur (MPSI) Physique, chimie et sciences de l ingénieur (PCSI) Physique,
Plus en détailCours de numérisation sur Epson Perfection
Cours de numérisation sur Epson Perfection 1- Vérifiez la propreté de la vitre, placez l original sur celle-ci. À savoir, on peut numériser des transparents avec ce scanner ; il a un capteur CCD dans le
Plus en détailFormats d images. 1 Introduction
Formats d images 1 Introduction Lorsque nous utilisons un ordinateur ou un smartphone l écran constitue un élément principal de l interaction avec la machine. Les images sont donc au cœur de l utilisation
Plus en détailDémarches d urbanisation : réorganiser le Système d Information en structurant ses fonctions dans des blocs fonctionnels communicants.
Plan du chapitre Master Informatique et Systèmes Urbanisation des Systèmes d Information Architecture d Entreprise 04 Architecture du SI : identifier et décrire les services, structurer le SI 1 2 3 4 5
Plus en détailCartographie mobile implantée au service de police de la ville de Québec
Cartographie mobile implantée au service de police de la ville de Québec NSim Technology Jimmy Perron, M. Sc. Président NSim Technology Le SPVQ > Désert plus de 550 000 citoyens > 1000 employés (Policiers
Plus en détailFigure 3.1- Lancement du Gambit
3.1. Introduction Le logiciel Gambit est un mailleur 2D/3D; pré-processeur qui permet de mailler des domaines de géométrie d un problème de CFD (Computational Fluid Dynamics).Il génère des fichiers*.msh
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détailCours de Master Recherche
Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction
Plus en détailFête de la science Initiation au traitement des images
Fête de la science Initiation au traitement des images Détection automatique de plaques minéralogiques à partir d'un téléphone portable et atelier propose de créer un programme informatique pour un téléphone
Plus en détailSegmentation d'images à l'aide d'agents sociaux : applications GPU
Segmentation d'images à l'aide d'agents sociaux : applications GPU Richard MOUSSA Laboratoire Bordelais de Recherche en Informatique (LaBRI) - UMR 5800 Université de Bordeaux - France Laboratoire de recherche
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailLa plate-forme DIMA. Master 1 IMA COLI23 - Université de La Rochelle
La plate-forme DIMA Master 1 IMA COLI23 - Université de La Rochelle DIMA Bref aperçu Qu'est-ce? Acronyme de «Développement et Implémentation de Systèmes Multi-Agents» Initié par Zahia Guessoum et Jean-Pierre
Plus en détailUrbanisation des Systèmes d Information Architecture d Entreprise. 04 Architecture du SI : identifier et décrire les services, structurer le SI
Plan du chapitre Master Informatique et Systèmes Urbanisation des Systèmes d Information Architecture d Entreprise 04 Architecture du SI : identifier et décrire les services, structurer le SI 1 2 3 1.1
Plus en détailURBANISME DES SYSTÈMES D INFORMATION
FAYCAL AYECH GL2. INSAT 2010/2011 INTRODUCTION AUX SYSTÈMES D INFORMATIONS URBANISME DES SYSTÈMES D INFORMATION De l Urbanisme à L Urbanisation des SI Urbanisme : Mise en œuvre des politiques urbaines
Plus en détailSystème de Gestion de Fichiers
Chapitre 2 Système de Gestion de Fichiers Le système de gestion de fichiers est un outil de manipulation des fichiers et de la structure d arborescence des fichiers sur disque et a aussi le rôle sous UNIX
Plus en détailIntroduction à la B.I. Avec SQL Server 2008
Introduction à la B.I. Avec SQL Server 2008 Version 1.0 VALENTIN Pauline 2 Introduction à la B.I. avec SQL Server 2008 Sommaire 1 Présentation de la B.I. et SQL Server 2008... 3 1.1 Présentation rapide
Plus en détailAlgorithme des fourmis appliqué à la détection et au suivi de contours dans une image
IN52-IN54 A2008 Algorithme des fourmis appliqué à la détection et au suivi de contours dans une image Etudiants : Nicolas MONNERET Alexandre HAFFNER Sébastien DE MELO Responsable : Franck GECHTER Sommaire
Plus en détailIntroduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
Plus en détailPetit guide pour choisir une solution CRM
Petit guide pour choisir une solution CRM Trouvez la solution qui vous convient» Nos clients sont plus performants. www.update.com Avant-propos Le CRM est en passe de devenir le principal logiciel de l
Plus en détailORACLE PRIMAVERA PORTFOLIO MANAGEMENT
ORACLE PRIMAVERA PORTFOLIO MANAGEMENT FONCTIONNALITÉS GESTION DE PORTEFEUILLE Stratégie d approche permettant de sélectionner les investissements les plus rentables et de créer de la valeur Paramètres
Plus en détailLivre Blanc Oracle Mars 2009. Rationaliser, Automatiser et Accélérer vos Projets Industriels
Livre Blanc Oracle Mars 2009 Rationaliser, Automatiser et Accélérer vos Projets Industriels Introduction Pour relancer l économie, le gouvernement des États-Unis, l Union Européenne et la Chine ont développé
Plus en détailTravaux pratiques. Compression en codage de Huffman. 1.3. Organisation d un projet de programmation
Université de Savoie Module ETRS711 Travaux pratiques Compression en codage de Huffman 1. Organisation du projet 1.1. Objectifs Le but de ce projet est d'écrire un programme permettant de compresser des
Plus en détailUniversité de Bangui. Modélisons en UML
Université de Bangui CRM Modélisons en UML Ce cours a été possible grâce à l initiative d Apollinaire MOLAYE qui m a contacté pour vous faire bénéficier de mes connaissances en nouvelles technologies et
Plus en détailPrise en compte du facteur humain. Cédric Soubrié
Prise en compte du facteur humain Cédric Soubrié 12/02/2011 Les deux cours + projet Conception centrée utilisateurs Les règles à suivre Définition du projet Conception Implémentation Nom : Cédric Soubrié
Plus en détailDétection et suivi d'objets dans une séquence d'images par contours actifs
Détection et suivi d'objets dans une séquence d'images par contours actifs A. Fekir (1), N. Benamrane (2) et A. Taleb-Ahmed (3) (1) Département d informatique, Université de Mustapha Stambouli, BP 763,
Plus en détailGOUVERNANCE DES IDENTITES ET DES ACCES ORIENTEE METIER : IMPORTANCE DE CETTE NOUVELLE APPROCHE
GOUVERNANCE DES IDENTITES ET DES ACCES ORIENTEE METIER : IMPORTANCE DE CETTE NOUVELLE APPROCHE RÉSUMÉ Depuis des années, les responsables de la sécurité de l information et les responsables opérationnels
Plus en détailSynthèse d'images I. Venceslas BIRI IGM Université de Marne La
Synthèse d'images I Venceslas BIRI IGM Université de Marne La La synthèse d'images II. Rendu & Affichage 1. Introduction Venceslas BIRI IGM Université de Marne La Introduction Objectif Réaliser une image
Plus en détailProgrammation parallèle et distribuée
Programmation parallèle et distribuée (GIF-4104/7104) 5a - (hiver 2015) Marc Parizeau, Département de génie électrique et de génie informatique Plan Données massives («big data») Architecture Hadoop distribution
Plus en détailJade. Projet Intelligence Artificielle «Devine à quoi je pense»
Jade Projet Intelligence Artificielle «Devine à quoi je pense» Réalisé par Djénéba Djikiné, Alexandre Bernard et Julien Lafont EPSI CSII2-2011 TABLE DES MATIÈRES 1. Analyse du besoin a. Cahier des charges
Plus en détailCodage vidéo par block matching adaptatif
Traitement et analyse d'images(39) Codage vidéo par block matching adaptatif Abdelhamid Djeffal Département d informatique Université Mohamed Khider BISKRA, ALGERIE Abdelhamid_Djeffal@yahoo.fr Zine Eddine
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailEbauche Rapport finale
Ebauche Rapport finale Sommaire : 1 - Introduction au C.D.N. 2 - Définition de la problématique 3 - Etat de l'art : Présentatio de 3 Topologies streaming p2p 1) INTRODUCTION au C.D.N. La croissance rapide
Plus en détailVers une Optimisation de l Algorithme AntTreeStoch
Revue des Sciences et de la Technologie - RST- Volume 3 N 1 / janvier 2012 Vers une Optimisation de l Algorithme AntTreeStoch O. KADRI, H. MOUSS, A. ABDELHADI, R. MAHDAOUI Laboratoire d Automatique et
Plus en détailHiver 2013 IMN 259. Introduction à l analyse d images. Par Pierre-Marc Jodoin
Hiver 2013 Analyse d images IMN 259 Introduction à l analyse d images Par Pierre-Marc Jodoin Où se situe l analyse d images? Traitement d images Imagerie Image Analyse d images/ Vision par ordinateur Infographie
Plus en détailModernisation et gestion de portefeuilles d applications bancaires
Modernisation et gestion de portefeuilles d applications bancaires Principaux défis et facteurs de réussite Dans le cadre de leurs plans stratégiques à long terme, les banques cherchent à tirer profit
Plus en détailProcessus d Informatisation
Processus d Informatisation Cheminement de la naissance d un projet jusqu à son terme, deux grandes étapes : Recherche ou étude de faisabilité (en amont) L utilisateur a une idée (plus ou moins) floue
Plus en détailRapport d activité. Mathieu Souchaud Juin 2007
Rapport d activité Mathieu Souchaud Juin 2007 Ce document fait la synthèse des réalisations accomplies durant les sept premiers mois de ma mission (de novembre 2006 à juin 2007) au sein de l équipe ScAlApplix
Plus en détailMétriques de performance pour les algorithmes et programmes parallèles
Métriques de performance pour les algorithmes et programmes parallèles 11 18 nov. 2002 Cette section est basée tout d abord sur la référence suivante (manuel suggéré mais non obligatoire) : R. Miller and
Plus en détailTP 2 Réseaux. Adresses IP, routage et sous-réseaux
TP 2 Réseaux Adresses IP, routage et sous-réseaux C. Pain-Barre INFO - IUT Aix-en-Provence version du 24/2/2 Adressage IP. Limites du nombre d adresses IP.. Adresses de réseaux valides Les adresses IP
Plus en détailClassification Automatique de messages : une approche hybride
RECIAL 2002, Nancy, 24-27 juin 2002 Classification Automatique de messages : une approche hybride O. Nouali (1) Laboratoire des Logiciels de base, CE.R.I.S., Rue des 3 frères Aïssiou, Ben Aknoun, Alger,
Plus en détailGé nié Logiciél Livré Blanc
Gé nié Logiciél Livré Blanc Version 0.2 26 Octobre 2011 Xavier Blanc Xavier.Blanc@labri.fr Partie I : Les Bases Sans donner des définitions trop rigoureuses, il faut bien commencer ce livre par énoncer
Plus en détailReconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12
Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12 2 Discrimination Invariance Expressions faciales Age Pose Eclairage 11/12/2012 3 Personne Inconnue Identité
Plus en détailLA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE
LA PHYSIQUE DES MATERIAUX Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE Pr. A. Belayachi Université Mohammed V Agdal Faculté des Sciences Rabat Département de Physique - L.P.M belayach@fsr.ac.ma 1 1.Le réseau
Plus en détailMéthodologie de conceptualisation BI
Méthodologie de conceptualisation BI Business Intelligence (BI) La Business intelligence est un outil décisionnel incontournable à la gestion stratégique et quotidienne des entités. Il fournit de l information
Plus en détailLes structures de données. Rajae El Ouazzani
Les structures de données Rajae El Ouazzani Les arbres 2 1- Définition de l arborescence Une arborescence est une collection de nœuds reliés entre eux par des arcs. La collection peut être vide, cad l
Plus en détailTD n o 8 - Domain Name System (DNS)
IUT Montpellier - Architecture (DU) V. Poupet TD n o 8 - Domain Name System (DNS) Dans ce TD nous allons nous intéresser au fonctionnement du Domain Name System (DNS), puis pour illustrer son fonctionnement,
Plus en détailLa valeur présente (ou actuelle) d une annuité, si elle est constante, est donc aussi calculable par cette fonction : VA = A [(1-1/(1+k) T )/k]
Evaluation de la rentabilité d un projet d investissement La décision d investir dans un quelconque projet se base principalement sur l évaluation de son intérêt économique et par conséquent, du calcul
Plus en détailLes nouveautés de Femap 11.1
Siemens PLM Software Les nouveautés de Femap 11.1 Amélioration de la productivité des Ingénieurs calcul Avantages Manipulation plus rapide des modèles grâce à des performances graphiques améliorées Flexibilité
Plus en détailÉvaluation et implémentation des langages
Évaluation et implémentation des langages Les langages de programmation et le processus de programmation Critères de conception et d évaluation des langages de programmation Les fondations de l implémentation
Plus en détailLES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN
LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN Les contenues de ce document sont la propriété exclusive de la société REVER. Ils ne sont transmis qu à titre d information et ne peuvent en aucun cas
Plus en détailWEA Un Gérant d'objets Persistants pour des environnements distribués
Thèse de Doctorat de l'université P & M Curie WEA Un Gérant d'objets Persistants pour des environnements distribués Didier Donsez Université Pierre et Marie Curie Paris VI Laboratoire de Méthodologie et
Plus en détailExtraction d informations stratégiques par Analyse en Composantes Principales
Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailUne nouvelle approche de détection de communautés dans les réseaux sociaux
UNIVERSITÉ DU QUÉBEC EN OUTAOUAIS Département d informatique et d ingénierie Une nouvelle approche de détection de communautés dans les réseaux sociaux Mémoire (INF 6021) pour l obtention du grade de Maîtrise
Plus en détailGuide d implémentation des ISBN à 13 chiffres
Guide d implémentation des ISBN à 13 chiffres International ISBN Agency Berlin 2004 Première édition 2004 by International ISBN Agency Staatsbibliothek zu Berlin Preussischer Kulturbesitz Permission est
Plus en détailPROJET BIGDATART DOSSIER DE PRESENTATION
PROJET BIGDATART DOSSIER DE PRESENTATION Le projet BigDatArt est une installation scientifico-artistique centrée autour des notions d images et de BigData. Ce que je propose dans mon projet et d'inverser
Plus en détailObject Removal by Exemplar-Based Inpainting
Object Removal by Exemplar-Based Inpainting Kévin Polisano A partir d un article de A. Criminisi, P. Pérez & H. K. Toyama 14/02/2013 Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013
Plus en détailMaster Poly Trader. Manuel d utilisateur. Group IV Benoît Perroud Marius Erni Lionel Matthey David Wenger Lotfi Hussami
Master Poly Trader Manuel d utilisateur Group IV Benoît Perroud Marius Erni Lionel Matthey David Wenger Lotfi Hussami MasterPoly Trader est un logiciel réalisé dans le cadre d un projet de génie logiciel.
Plus en détailFast and furious decision tree induction
Institut National des Sciences Appliquées de Rennes Rapport de pré-étude Encadrants : Nikolaos Parlavantzas - Christian Raymond Fast and furious decision tree induction Andra Blaj Nicolas Desfeux Emeline
Plus en détailRédiger et administrer un questionnaire
Rédiger et administrer un questionnaire Ce document constitue une adaptation, en traduction libre, de deux brochures distinctes : l une produite par l American Statistical Association (Designing a Questionnaire),
Plus en détailPrénom : Matricule : Sigle et titre du cours Groupe Trimestre INF1101 Algorithmes et structures de données Tous H2004. Loc Jeudi 29/4/2004
Questionnaire d'examen final INF1101 Sigle du cours Nom : Signature : Prénom : Matricule : Sigle et titre du cours Groupe Trimestre INF1101 Algorithmes et structures de données Tous H2004 Professeur(s)
Plus en détailPlateforme de capture et d analyse de sites Web AspirWeb
Projet Java ESIAL 2A 2009-2010 Plateforme de capture et d analyse de sites Web AspirWeb 1. Contexte Ce projet de deuxième année permet d approfondir par la pratique les méthodes et techniques acquises
Plus en détailPrésentation du PL/SQL
I Présentation du PL/ Copyright Oracle Corporation, 1998. All rights reserved. Objectifs du Cours A la fin de ce chapitre, vous saurez : Décrire l intéret du PL/ Décrire l utilisation du PL/ pour le développeur
Plus en détailBusiness Intelligence
avec Excel, Power BI et Office 365 Téléchargement www.editions-eni.fr.fr Jean-Pierre GIRARDOT Table des matières 1 Avant-propos A. À qui s adresse ce livre?..................................................
Plus en détailLogiciel Libre Cours 3 Fondements: Génie Logiciel
Logiciel Libre Cours 3 Fondements: Génie Logiciel Stefano Zacchiroli zack@pps.univ-paris-diderot.fr Laboratoire PPS, Université Paris Diderot 2013 2014 URL http://upsilon.cc/zack/teaching/1314/freesoftware/
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailCompte-rendu Réunion générale. Grenoble, le 29 juin 2011 URBASIS
URBASIS Sismologie urbaine : évaluation de la vulnérabilité et des dommages sismiques par méthodes innovantes ANR09RISK009 URBASIS Compterendu Réunion générale Grenoble, le 29 juin 2011 Participants: J.
Plus en détailLa segmentation à l aide de EG-SAS. A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM
La segmentation à l aide de EG-SAS A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM Définition de la segmentation - Au lieu de considérer une population dans son ensemble,
Plus en détailChristophe Le Page CIRAD - UPR Green
Christophe Le Page CIRAD - UPR Green Combiner jeux de rôles et simulation informatique pour modéliser avec les acteurs les interactions entre dynamiques écologiques et dynamiques sociales dans les agro-écosystèmes
Plus en détailComment optimiser l utilisation des ressources Cloud et de virtualisation, aujourd hui et demain?
DOSSIER SOLUTION Solution CA Virtual Placement and Balancing Comment optimiser l utilisation des ressources Cloud et de virtualisation, aujourd hui et demain? agility made possible La solution automatisée
Plus en détailUrbanisation de système d'information. PLM 3 (Product Lifecycle Management) Élaborations, versions, variantes, configurations
Urbanisation de système d'information PLM 3 (Product Lifecycle Management) Élaborations, versions, variantes, configurations 1 Mise en gestes L'existence de tout produit, et de tout service commence par
Plus en détailQu est ce qu un réseau social. CNAM Séminaire de Statistiques Appliquées 13/11/2013. F.Soulié Fogelman 1. Utilisation des réseaux sociaux pour le
Qui je suis Innovation Utilisation des réseaux sociaux pour le data mining Business & Decision Françoise Soulié Fogelman francoise.soulie@outlook.com Atos KDD_US CNAM Séminaire de Statistique appliquée
Plus en détailL I V R E B L A N C P r o t ég e r l e s a p p l i c a t i o n s m ét i e r s c r i t i q u e s M a i n f r a m e, un b e s o i n c r u c i a l
Siège social : 5 Speen Street Framingham, MA 01701, É.-U. T.508.872.8200 F.508.935.4015 www.idc.com L I V R E B L A N C P r o t ég e r l e s a p p l i c a t i o n s m ét i e r s c r i t i q u e s M a i
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université
Plus en détailTP redondance DHCP. Gillard Frédéric Page 1/17. Vue d ensemble du basculement DHCP
Vue d ensemble du basculement DHCP Dans Windows Server 2008 R2, il existe deux options à haute disponibilité dans le cadre du déploiement du serveur DHCP. Chacune de ces options est liée à certains défis.
Plus en détailModèles et simulations informatiques des problèmes de coopération entre agents
Modèles et simulations informatiques des problèmes de coopération entre agents Bruno Beaufils LIFL Axe CIM Équipe SMAC Laboratoire d'informatique Plan 1. Motivations 2. Dilemme itéré du prisonnier 3. Simulations
Plus en détailConsulting & Knowledge Management. Résumé :
Ardans SAS au capital de 230 000 RCS Versailles B 428 744 593 SIRET 428 744 593 00024 2, rue Hélène Boucher - 78286 Guyancourt Cedex - France Tél. +33 (0)1 39 30 99 00 Fax +33 (0)1 39 30 99 01 www.ardans.com
Plus en détailMaster IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP
Master IMA - UMPC Paris 6 RDMM - Année 2009-200 Fiche de TP Préliminaires. Récupérez l archive du logiciel de TP à partir du lien suivant : http://www.ensta.fr/~manzaner/cours/ima/tp2009.tar 2. Développez
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détail