Proposition d un model hiérarchique et coopératif agent pour la segmentation d image

Dimension: px
Commencer à balayer dès la page:

Download "Proposition d un model hiérarchique et coopératif agent pour la segmentation d image"

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, Hayet Farida Merouani, 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

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 détail

Géométrie discrète Chapitre V

Géométrie 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 détail

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

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 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 détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence 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 détail

Proposition d activité utilisant l application. Tripatouille. (http://www.malgouyres.fr/tripatouille/)

Proposition d activité utilisant l application. Tripatouille. (http://www.malgouyres.fr/tripatouille/) IREM Clermont-Ferrand Algorithmique au lycée Malika More malika.more@u-clermont1.fr 28 janvier 2011 Proposition d activité utilisant l application Tripatouille (http://www.malgouyres.fr/tripatouille/)

Plus en détail

Rapport du Jury du Concours 2010 Épreuve Pratique d Algorithmique et de Programmation (EPAP)

Rapport du Jury du Concours 2010 Épreuve Pratique d Algorithmique et de Programmation (EPAP) Rapport du Jury du Concours 2010 Épreuve Pratique d Algorithmique et de Programmation (EPAP) Loris Marchal, Guillaume Melquion, Frédéric Tronel 21 juin 2011 Remarques générales à propos de l épreuve Organisation

Plus en détail

Une plate-forme multi-agent pour la segmentation d images. Etude des stratégies de coopération contour-région.

Une plate-forme multi-agent pour la segmentation d images. Etude des stratégies de coopération contour-région. Une plate-forme multi-agent pour la segmentation d images. Etude des stratégies de coopération contour-région. Christine Porquet, Hakim Settache, Su Ruan, Marinette Revenu To cite this version: Christine

Plus en détail

La classification automatique de données quantitatives

La 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 détail

Introduction au maillage pour le calcul scientifique

Introduction 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 détail

Détection 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 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 détail

données en connaissance et en actions?

données 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 détail

Les algorithmes de base du graphisme

Les 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 détail

DSP. Architecture du contrôleur amplifié

DSP. Architecture du contrôleur amplifié Fiche préliminaire h Fic ep im rél ire ina Architecture du contrôleur amplifié DSP Des nouveaux algorithmes propriétaires sont exploités à partir d un DSP SHARC 32 bits à virgule flottante à une fréquence

Plus en détail

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

L 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 détail

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007

Vision 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 détail

Techniques de DM pour la GRC dans les banques Page 11

Techniques de DM pour la GRC dans les banques Page 11 Techniques de DM pour la GRC dans les banques Page 11 II.1 Introduction Les techniques de data mining sont utilisé de façon augmentaté dans le domaine économique. Tels que la prédiction de certains indicateurs

Plus en détail

III Caractérisation d'image binaire

III Caractérisation d'image binaire III Caractérisation d'image binaire 1. Généralités Les images binaires codent l'information sur deux valeurs. Rarement le résultat direct d'un capteur, mais facilement obtenues par seuillage dans certains

Plus en détail

F. BONTHOUX, R. VINCENT Institut National de Recherche et de Sécurité, Centre de Lorraine, Avenue de Bourgogne, 54501 Vandoeuvre Cedex, France

F. BONTHOUX, R. VINCENT Institut National de Recherche et de Sécurité, Centre de Lorraine, Avenue de Bourgogne, 54501 Vandoeuvre Cedex, France Logiciel d aide à l évaluation du risque chimique F. BONTHOUX, R. VINCENT Institut National de Recherche et de Sécurité, Centre de Lorraine, Avenue de Bourgogne, 54501 Vandoeuvre Cedex, France Introduction

Plus en détail

modélisation solide et dessin technique

modélisation 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 détail

Propriétés des images numériques Contraintes sur l interprétation

Propriétés des images numériques Contraintes sur l interprétation Propriétés des images numériques Contraintes sur l interprétation M.LOUYS, Traitement d images et problèmes inverses Master Astrophysique, Observatoire de Strasbourg, 2013 Propriétés générales d une image

Plus en détail

Objectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique

Objectifs. 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 détail

Projet : Plan Assurance Qualité

Projet : Plan Assurance Qualité Projet : Document : Plan Assurance Qualité 2UP_SPEC_DEV1 VERSION 1.00 Objet Ce document a pour objectif de définir la démarche d analyse et de conception objet ainsi les activités liées. Auteur Eric PAPET

Plus en détail

Figure 3.1- Lancement du Gambit

Figure 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 détail

Avis n 94-02 sur la méthodologie relative aux comptes combinés METHODOLOGIE RELATIVE AUX COMPTES COMBINES

Avis 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 détail

CALCULS PARALLÈLES ET APPLICATIONS LA VISION PAR ORDINATEUR AU CEA LIST, QUELS CHOIX ARCHITECTURAUX?

CALCULS PARALLÈLES ET APPLICATIONS LA VISION PAR ORDINATEUR AU CEA LIST, QUELS CHOIX ARCHITECTURAUX? CALCULS PARALLÈLES ET APPLICATIONS LA VISION PAR ORDINATEUR AU CEA LIST, QUELS CHOIX ARCHITECTURAUX? LABORATOIRE DE VISION ET INGÉNIERIE DES CONTENUS (LVIC) Fusion multimedia : extraction multimodale d

Plus en détail

Discrétisation et génération de hiérarchies de concepts

Discrétisation et génération de hiérarchies de concepts Prétraitement des données 1 Pourquoi prétraiter les données? Nettoyage des données Intégration et transformation Réduction des données Discrétisation et génération de hiérarchies de g concepts Pourquoi

Plus en détail

CLOUD 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? 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 détail

Grandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test

Grandes 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 détail

Cours de numérisation sur Epson Perfection

Cours 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 détail

Gé nié Logiciél Livré Blanc

Gé 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 détail

Chapitre 3 Structures de données linéaires : listes, piles et files

Chapitre 3 Structures de données linéaires : listes, piles et files Chapitre 3 Structures de données linéaires : listes, piles et files 1. Introduction Le but de ce chapitre est de décrire des représentations des structures de données de base telles les listes en général

Plus en détail

alg - Arbres binaires de recherche [br] Algorithmique

alg - Arbres binaires de recherche [br] Algorithmique alg - Arbres binaires de recherche [br] Algorithmique Karine Zampieri, Stéphane Rivière, Béatrice Amerein-Soltner Unisciel algoprog Version 25 avril 2015 Table des matières 1 Définition, Parcours, Représentation

Plus en détail

Cartographie mobile implantée au service de police de la ville de Québec

Cartographie 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 détail

Modélisation et conception d'un. environnement de suivi pédagogique synchrone. d'activités d'apprentissage à distance

Modélisation et conception d'un. environnement de suivi pédagogique synchrone. d'activités d'apprentissage à distance Modélisation et conception d'un environnement de suivi pédagogique synchrone d'activités d'apprentissage à distance Christophe DESPRÉS Laboratoire d Informatique de l'université du Maine Plan de la présentation

Plus en détail

Fête de la science Initiation au traitement des images

Fête 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 détail

Introduction au Data-Mining

Introduction 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 détail

Mini-Projet : Tournoi de Dames

Mini-Projet : Tournoi de Dames Mini-Projet : Tournoi de Dames L objectif du projet est de programmer un jeu de dames de façon à ce que votre programme puisse jouer une partie de dames avec les programmes des autres étudiants. 1 Organisation

Plus en détail

Propositions de Projets

Propositions de Projets Master1 IS 2012_2013 Spécialité Imagerie Numérique Propositions de Projets Voici les intitulés et responsables des projets proposés : Simulation réaliste du comportement d'organes à tissus mous. Sujet

Plus en détail

Structures de données non linéaires

Structures de données non linéaires Structures de données non linéaires I. Graphes Définition Un graphe (simple) orienté G est un couple (S, A), où : S est un ensemble dont les éléments sont appelés les sommets. A est un ensemble de couples

Plus en détail

OPERATEURS MORPHOLOGIQUES

OPERATEURS MORPHOLOGIQUES OPERATEURS MORPHOLOGIQUES Ensembles caractéristiques et éléments structurants Érosion et dilatation Ouverture et fermeture Application au filtrage Extraction de contours, remplissage de régions Épaississement,

Plus en détail

Télé-Procédure de Gestion d Incidents : Spécifications et Prototype.

Télé-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 détail

Demande d informationservices d aide temporaire (SAT) Questionnaire à l intention des ministères clients

Demande d informationservices d aide temporaire (SAT) Questionnaire à l intention des ministères clients Demande d informationservices d aide temporaire (SAT) Questionnaire à l intention des ministères clients Contexte Travaux publics et Services gouvernementaux Canada (TPSGC) souscrit aux principes d Approvisionnement

Plus en détail

Modélisation multi-agents - Agents réactifs

Modélisation 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 détail

Livre Blanc Oracle Mars 2009. Rationaliser, Automatiser et Accélérer vos Projets Industriels

Livre 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 détail

Travaux pratiques. Compression en codage de Huffman. 1.3. Organisation d un projet de programmation

Travaux 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 détail

Formats d images. 1 Introduction

Formats 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 détail

Projet de Traitement du Signal Segmentation d images SAR

Projet 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 détail

Optimisation 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 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 détail

URBANISME DES SYSTÈMES D INFORMATION

URBANISME 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 détail

Introduction au datamining

Introduction 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 détail

Démarches d urbanisation : réorganiser le Système d Information en structurant ses fonctions dans des blocs fonctionnels communicants.

Démarches 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 détail

Meeting Room : An Interactive Systems Laboratories Project

Meeting Room : An Interactive Systems Laboratories Project Travail de Séminaire DIVA Research Group University of Fribourg Etude de Projets Actuels sur l enregistrement et l analyse de Réunions Meeting Room : An Interactive Systems Laboratories Project Canergie

Plus en détail

Cours de Master Recherche

Cours 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 détail

Métriques de performance pour les algorithmes et programmes parallèles

Métriques 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 détail

Approche hybride de reconstruction de facettes planes 3D

Approche hybride de reconstruction de facettes planes 3D Cari 2004 7/10/04 14:50 Page 67 Approche hybride de reconstruction de facettes planes 3D Ezzeddine ZAGROUBA F. S.T, Dept. Informatique. Lab. d Informatique, Parallélisme et Productique. Campus Universitaire.

Plus en détail

IMA promotion 2009. Rapport de stage de première année. Stage industriel au Crédit du Nord

IMA promotion 2009. Rapport de stage de première année. Stage industriel au Crédit du Nord DUBRULLE Alain ENSEEIHT IMA promotion 2009 Rapport de stage de première année Stage industriel au Crédit du Nord Sommaire Présentation de l entreprise Le Crédit du Nord 3 La Direction des Systèmes d'information

Plus en détail

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Filtrage 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 détail

Segmentation d'images à l'aide d'agents sociaux : applications GPU

Segmentation 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 détail

Prise en compte du facteur humain. Cédric Soubrié

Prise 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 détail

La plate-forme DIMA. Master 1 IMA COLI23 - Université de La Rochelle

La 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 détail

Modélisation agent d une Architecture Logicielle de commande d un Véhicule Autonome

Modélisation agent d une Architecture Logicielle de commande d un Véhicule Autonome Modélisation agent d une Architecture Logicielle de commande d un Véhicule Autonome ENNAJI Mourad LASC université de Metz Ile du Saulcy B.P 80794 57 012 METZ Ennaji@lasc.sciences.univ-metz.fr Résumé Cet

Plus en détail

Urbanisation des Systèmes d Information Architecture d Entreprise. 04 Architecture du SI : identifier et décrire les services, structurer le SI

Urbanisation 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 détail

Langage C/C++ TD 3-4 : Création dynamique d objets. Hubert Godfroy. 27 novembre 2014

Langage C/C++ TD 3-4 : Création dynamique d objets. Hubert Godfroy. 27 novembre 2014 Langage C/C++ TD 3-4 : Création dynamique d objets Hubert Godfroy 7 novembre 014 1 Tableaux Question 1 : Écrire une fonction prenant un paramètre n et créant un tableau de taille n (contenant des entiers).

Plus en détail

Master IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP

Master 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 détail

Une calculatrice qui manipule les régions cubiques

Une calculatrice qui manipule les régions cubiques Une calculatrice qui manipule les régions cubiques Emmanuel Haucourt 1 Introduction Alors qu une calculatrice usuelle effectue des opérations numériques (addition, multiplication, soustraction, division,

Plus en détail

Plateforme de capture et d analyse de sites Web AspirWeb

Plateforme 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 détail

Atelier 2. Étape 1 : Installation de Active Directory, installation du service DNS et installation du service WINS Durée approximative : 40 minutes

Atelier 2. Étape 1 : Installation de Active Directory, installation du service DNS et installation du service WINS Durée approximative : 40 minutes Atelier 2 Installation d Active Directory Installation du service DNS Installation du Service WINS Création d'un compte d'ordinateur Jonction d'un ordinateur à un domaine Création d usagers. Étape 1 :

Plus en détail

Système de Gestion de Fichiers

Système 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 détail

Projet Télédétection. Vidéo Surveillance. Deovan Thipphavanh Mokrani Abdeslam Naoui Saïd. Master 2 Pro SIS - 2005 / 2006

Projet Télédétection. Vidéo Surveillance. Deovan Thipphavanh Mokrani Abdeslam Naoui Saïd. Master 2 Pro SIS - 2005 / 2006 Projet Télédétection Vidéo Surveillance Deovan Thipphavanh Mokrani Abdeslam Naoui Saïd Master 2 Pro SIS - 2005 / 2006 Plan Introduction Lecture des images Détection des objets mouvants Détection des anomalies

Plus en détail

Arbres binaires de recherche (ABR) Binary Search Trees (BST)

Arbres binaires de recherche (ABR) Binary Search Trees (BST) LSVIII-BIM Algorithmie, 2015 Arbres binaires de recherche (ABR) Binary Search Trees (BST) I. Arbres binaires 1. Structure 2. Parcours II. Arbres binaires de recherche 1. Définition 2. Opérations sur les

Plus en détail

Architectures Logicielles et Matérielles Travaux Dirigés Circuits

Architectures Logicielles et Matérielles Travaux Dirigés Circuits UNIVERSITE Joseph FOURIER, Grenoble U.F.R. d Informatique et Maths. Appliquées Architectures Logicielles et Matérielles Travaux Dirigés Circuits Rappel : dessins des portes logiques. Déroulement envisagé

Plus en détail

IBM Cognos TM1. Fiche Produit. Aperçu

IBM Cognos TM1. Fiche Produit. Aperçu Fiche Produit IBM Cognos TM1 Aperçu Cycles de planification raccourcis de 75 % et reporting ramené à quelques minutes au lieu de plusieurs jours Solution entièrement prise en charge et gérée par le département

Plus en détail

Concevoir des applications Web avec UML

Concevoir des applications Web avec UML Concevoir des applications Web avec UML Jim Conallen Éditions Eyrolles ISBN : 2-212-09172-9 2000 1 Introduction Objectifs du livre Le sujet de ce livre est le développement des applications web. Ce n est

Plus en détail

IBM Tivoli Service Desk

IBM Tivoli Service Desk Déployer des services de qualité tout en maîtrisant les coûts IBM Tivoli Service Desk Points forts Rationalise la gestion des problèmes et des incidents afin de permettre la restauration rapide et économique

Plus en détail

Programmation parallèle et distribuée

Programmation 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 détail

Fouille de données orientée motifs, méthodes et usages.

Fouille de données orientée motifs, méthodes et usages. Fouille de données orientée motifs, méthodes et usages. François RIOULT GREYC - Équipe Données-Documents-Langues CNRS UMR 6072 Université de Caen Basse-Normandie France Résumé La fouille de données orientée

Plus en détail

Chapitre 1. L algorithme génétique

Chapitre 1. L algorithme génétique Chapitre 1 L algorithme génétique L algorithme génétique (AG) est un algorithme de recherche basé sur les mécanismes de la sélection naturelle et de la génétique. Il combine une stratégie de survie des

Plus en détail

Recherche d information textuelle

Recherche d information textuelle Recherche d information textuelle Pré-traitements & indexation B. Piwowarski CNRS / LIP6 Université Paris 6 benjamin@bpiwowar.net http://www.bpiwowar.net Master IP - 2014-15 Cours et travaux pratiques

Plus en détail

GOUVERNANCE 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 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 détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes 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 détail

Les structures de données. Rajae El Ouazzani

Les 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 détail

Algorithme des fourmis appliqué à la détection et au suivi de contours dans une image

Algorithme 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 détail

Petit guide pour choisir une solution CRM

Petit 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 détail

Détection 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 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 détail

A1-1 TP3 Gmsh et partitionnement de maillage

A1-1 TP3 Gmsh et partitionnement de maillage A1-1 TP3 Gmsh et partitionnement de maillage Nicolas Kielbasiewicz 23 septembre 2013 1 Introduction à Gmsh Sous Windows et Mac OS, Gmsh est une application native. Sous Linux, il se lance en ligne de commande,

Plus en détail

Généralités sur les bases de données

Généralités sur les bases de données Généralités sur les bases de données Qu est-ce donc qu une base de données? Que peut-on attendre d un système de gestion de bases de données? Que peut-on faire avec une base de données? 1 Des données?

Plus en détail

ORACLE PRIMAVERA PORTFOLIO MANAGEMENT

ORACLE 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 détail

BI = Business Intelligence Master Data-ScienceCours 7 - Data

BI = Business Intelligence Master Data-ScienceCours 7 - Data BI = Business Intelligence Master Data-Science Cours 7 - Data Mining Ludovic DENOYER - UPMC 30 mars 2015 Ludovic DENOYER - Typologie des méthodes de Data Mining Différents types de méthodes : Méthodes

Plus en détail

CTE Éditeur de classification arborescente pour spécifications du cas de test

CTE Éditeur de classification arborescente pour spécifications du cas de test Tessy Test d intégration et unitaire dynamique automatisé pour des applications embarquées CTE Éditeur de classification arborescente pour spécifications du cas de test Le meilleur outil de test unitaire

Plus en détail

Logiciel Libre Cours 3 Fondements: Génie Logiciel

Logiciel 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 détail

Processus d Informatisation

Processus 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 détail

LA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE

LA 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 détail

Algorithmique Travaux Dirigés

Algorithmique Travaux Dirigés Algorithmique Travaux Dirigés Master Technologie et Handicap : Intensifs 1 Corrigé Exercice 1 Affectations 1. Considérons les algorithmes ci-dessous. (a) Quel sera le contenu des variables a, b et éventuellement

Plus en détail

Université de Bangui. Modélisons en UML

Université 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 détail

LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN

LES 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 détail

COMMENT DÉFINIR L ORIENTÉ OBJET

COMMENT DÉFINIR L ORIENTÉ OBJET COMMENT DÉFINIR L ORIENTÉ OBJET De manière superficielle, le terme «orienté objet», signifie que l on organise le logiciel comme une collection d objets dissociés comprenant à la fois une structure de

Plus en détail

Guide d utilisation du navigateur web OECD.Stat

Guide d utilisation du navigateur web OECD.Stat OECD.Stat 2008 2 / 39 Table des matières : Introduction... 4 Concepts liés à OECD.Stat... 4 Organisation des données... 4 Séries de référence... 5 Recherche... 5 Le navigateur web OECD.Stat... 5 Guide

Plus en détail

Use Cases. Introduction

Use Cases. Introduction Use Cases Introduction Avant d aborder la définition et la conception des UC il est bon de positionner le concept du UC au sein du processus de développement. Le Processus de développement utilisé ici

Plus en détail

Arbres binaires de recherche

Arbres binaires de recherche Chapitre 1 Arbres binaires de recherche 1 Les arbre sont très utilisés en informatique, d une part parce que les informations sont souvent hiérarchisées, et peuvent être représentées naturellement sous

Plus en détail

La 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]

La 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 détail