Le Web Sémantique et l'Ontologie GOODRELATIONS en Commerce connecté
- Nouveau
Les Systèmes de Gestion de Bases de Données Relationnelles (SGBDR) sont devenus, sans contexte, le noyau de tout système informatique.
Cependant, La diversification des applications des bases de données a montré les limites des SGBDR notamment dans la représentation des données imprécises.
Les bases de données relationnelles floues (BDRF) permettent de résoudre ce problème en offrant cette extension.
Le stockage et la manipulation des données floues deviennent nécessaires, d’où l’importance de définir la fouille de données floues.
Nous nous sommes intéressés à l’une des méthodes de la fouille de données floues, à savoir, la classification non supervisée floue.
L’inconvénient majeur des algorithmes de classification est qu’ils ne permettent pas de traiter des données floues.
Dans le cadre de ce travail, nous proposons de définir un nouvel algorithme de classification floue qui supporte aussi bien les données crisp que floues.
Nous présentons un outil de clustering, basé sur cet algorithme, qui intègre deux types d’approches : l’approche crisp et l’approche floue.
Asma Hamed est actuellement doctorante à l'Ecole Nationale des Sciences de l'Informatique où elle contribue à la recherche sur la privacy.
Avant cela, elle a obtenu son master en automatique et traitement de signal de l'Ecole Nationale d'Ingénieurs de Tunis en 2008.Ses travaux de recherche portaient sur la fouille de données et la logique floue.
Fiche technique