Nos Abonnements
Ressources Électroniques
Détail de l'auteur
Auteur A. Bousbia Salah |
Documents disponibles écrits par cet auteur (3)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Faire une suggestion Affiner la rechercheCompression multicanaux quasi sans perte de signaux électroencéphalographiques / Mikhaïl Taleb Hacine (2011)
Titre : Compression multicanaux quasi sans perte de signaux électroencéphalographiques Type de document : texte imprimé Auteurs : Mikhaïl Taleb Hacine, Auteur ; Hicham Bousbia-salah, Directeur de thèse ; A. Bousbia Salah, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2011 Importance : 96 f. Présentation : ill. Format : 30 cm. Accompagnement : 1 CD-ROM. Note générale : Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2011
Bibliogr. f. 77 - 79 . - Annexes f. 80 - 96Langues : Français (fre) Mots-clés : EEG Electroencéphalogramme
Compression quasi sans perte
Ondelettes lifting KLT
Codage de Huffman
Electroencéphalographiques -- SignauxIndex. décimale : PN01511 Résumé : L’examen électroencéphalographique revêt une très grande importance dans le diagnostic de pathologies cérébrales et dans la recherche en sciences cognitives.
Etant donné le volume important des enregistrements sur supports numériques, il est nécessaire de faire appel à des programmes de compression performants.
Nous proposons dans ce document un algorithme de compression basé sur la transformation de Karhunen-Loève, le lifting d'ondelettes et le codage entropique de Huffman.
Nous montrons grâce à des tests effectués sous MATLAB® que l'algorithme proposé est plus performant que tous ceux auxquels il est comparé.Compression multicanaux quasi sans perte de signaux électroencéphalographiques [texte imprimé] / Mikhaïl Taleb Hacine, Auteur ; Hicham Bousbia-salah, Directeur de thèse ; A. Bousbia Salah, Directeur de thèse . - [S.l.] : [s.n.], 2011 . - 96 f. : ill. ; 30 cm. + 1 CD-ROM.
Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2011
Bibliogr. f. 77 - 79 . - Annexes f. 80 - 96
Langues : Français (fre)
Mots-clés : EEG Electroencéphalogramme
Compression quasi sans perte
Ondelettes lifting KLT
Codage de Huffman
Electroencéphalographiques -- SignauxIndex. décimale : PN01511 Résumé : L’examen électroencéphalographique revêt une très grande importance dans le diagnostic de pathologies cérébrales et dans la recherche en sciences cognitives.
Etant donné le volume important des enregistrements sur supports numériques, il est nécessaire de faire appel à des programmes de compression performants.
Nous proposons dans ce document un algorithme de compression basé sur la transformation de Karhunen-Loève, le lifting d'ondelettes et le codage entropique de Huffman.
Nous montrons grâce à des tests effectués sous MATLAB® que l'algorithme proposé est plus performant que tous ceux auxquels il est comparé.Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité Spécialité Etat_Exemplaire PN01511 PN01511 Papier + ressource électronique Bibliothèque centrale Projet Fin d'Etudes Disponible Electronique Consultation sur place/Téléchargeable Documents numériques
TALEB%20HACINE.Mikha%efl.pdfURL
Titre : Développement d'un système automatique pour la classification des signaux EEG Type de document : texte imprimé Auteurs : Hadj Youcef, Mohamed El Amine, Auteur ; Mohamed Lamine Laoufi, Auteur ; Mourad Adnane, Directeur de thèse ; A. Bousbia Salah, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2012 Importance : 145 f. Présentation : ill. Format : 30 cm. Accompagnement : 1 CD-ROM. Note générale : Mémoire de Projet de Fin d'Etudes : Electronique : Alger, Ecole Nationale Polytechnique : 2012
Annexes f. 133 - 141 . - Bibliogr. f. 143 - 145Langues : Français (fre) Mots-clés : Electroencéphalogramme (EEG)
Transformée en ondelette(WT)
Extraction du paramètre caractéristique
Composantes principales (ACP) -- Analyse
Machine à vecteurs de support (SVM)
Elimination récursive des paramètres (RFE).Index. décimale : PN00912 Résumé : Dans ce mémoire, un système de classification automatique des signaux EEG est proposé.
Le système contient les quatre étages suivants: (A) Représentation des signaux EEG en temps-fréquence en utilisant deux versions de la transformée en ondelettes (DWT, WPT).
(B) Extraction des paramètres caractéristiques (statistique et non-statistique) des coefficients d'ondelette et de paquets d'ondelettes.
(C) Réduction des données par l'analyse en composantes principales (ACP).
(D) Classification avec la méthode de machine à vecteurs de support (SVM) suivie de l'algorithme d'élimination récursive des paramètres (RFE) pour déterminer les meilleurs paramètres.
Le but de ce travail est de développer un algorithme de classification des signaux EEG en deux classes: Normal, Pathologique (épileptique).Développement d'un système automatique pour la classification des signaux EEG [texte imprimé] / Hadj Youcef, Mohamed El Amine, Auteur ; Mohamed Lamine Laoufi, Auteur ; Mourad Adnane, Directeur de thèse ; A. Bousbia Salah, Directeur de thèse . - [S.l.] : [s.n.], 2012 . - 145 f. : ill. ; 30 cm. + 1 CD-ROM.
Mémoire de Projet de Fin d'Etudes : Electronique : Alger, Ecole Nationale Polytechnique : 2012
Annexes f. 133 - 141 . - Bibliogr. f. 143 - 145
Langues : Français (fre)
Mots-clés : Electroencéphalogramme (EEG)
Transformée en ondelette(WT)
Extraction du paramètre caractéristique
Composantes principales (ACP) -- Analyse
Machine à vecteurs de support (SVM)
Elimination récursive des paramètres (RFE).Index. décimale : PN00912 Résumé : Dans ce mémoire, un système de classification automatique des signaux EEG est proposé.
Le système contient les quatre étages suivants: (A) Représentation des signaux EEG en temps-fréquence en utilisant deux versions de la transformée en ondelettes (DWT, WPT).
(B) Extraction des paramètres caractéristiques (statistique et non-statistique) des coefficients d'ondelette et de paquets d'ondelettes.
(C) Réduction des données par l'analyse en composantes principales (ACP).
(D) Classification avec la méthode de machine à vecteurs de support (SVM) suivie de l'algorithme d'élimination récursive des paramètres (RFE) pour déterminer les meilleurs paramètres.
Le but de ce travail est de développer un algorithme de classification des signaux EEG en deux classes: Normal, Pathologique (épileptique).Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité Spécialité Etat_Exemplaire PN00912 PN00912 Papier + ressource électronique Bibliothèque centrale Projet Fin d'Etudes Disponible Electronique Consultation sur place/Téléchargeable Documents numériques
HADJ YOUCEF.Mohamed El Amine_LAOUFI.Mohamed Lamine.pdfURL
Titre : Outil d'aide au diagnostic basé sur l'analyse multi-résolution pour une classification des signaux EEG Type de document : texte imprimé Auteurs : Hadj Youcef, Mohamed El Amine, Auteur ; Mourad Adnane, Directeur de thèse ; A. Bousbia Salah, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2012 Importance : 88 f. Présentation : ill. Format : 30 cm. Accompagnement : 1 CD-ROM. Note générale : Mémoire de Master : Electronique : Alger, Ecole Nationale Polytechnique : 2012
Bibliogr. f. 87-88Langues : Français (fre) Mots-clés : Électroencéphalogramme (EEG)
Transformée en ondelette(WT)
Extraction du paramètre caractéristique
Analyse composantes principales (ACP)
Machine à vecteurs de support (SVM)
Elimination récursive des paramètres (RFE)Index. décimale : Ms00612 Résumé :
Dans ce mémoire, un système de classification automatique des signaux EEG est proposé.
Le système contient les quatre étages suivants:
(A) Représentation des signaux EEG en temps-fréquence en utilisant deux versions de la transformée en ondelettes (DWT, WPT).
(B) Extraction des paramètres caractéristiques (statistique et non-statistique) des coefficients d'ondelette et de paquets d'ondelettes.
(C) Réduction des données par l'analyse en composantes principales (ACP).
(D) Classification avec la méthode de machine à vecteurs de support (SVM) suivie de l'algorithme d'élimination récursive des paramètres (RFE) pour déterminer les meilleurs paramètres.
Le but de ce travail est de développer un algorithme de classification des signaux EEG en deux classes: Normal, Pathologique (épileptique).Outil d'aide au diagnostic basé sur l'analyse multi-résolution pour une classification des signaux EEG [texte imprimé] / Hadj Youcef, Mohamed El Amine, Auteur ; Mourad Adnane, Directeur de thèse ; A. Bousbia Salah, Directeur de thèse . - [S.l.] : [s.n.], 2012 . - 88 f. : ill. ; 30 cm. + 1 CD-ROM.
Mémoire de Master : Electronique : Alger, Ecole Nationale Polytechnique : 2012
Bibliogr. f. 87-88
Langues : Français (fre)
Mots-clés : Électroencéphalogramme (EEG)
Transformée en ondelette(WT)
Extraction du paramètre caractéristique
Analyse composantes principales (ACP)
Machine à vecteurs de support (SVM)
Elimination récursive des paramètres (RFE)Index. décimale : Ms00612 Résumé :
Dans ce mémoire, un système de classification automatique des signaux EEG est proposé.
Le système contient les quatre étages suivants:
(A) Représentation des signaux EEG en temps-fréquence en utilisant deux versions de la transformée en ondelettes (DWT, WPT).
(B) Extraction des paramètres caractéristiques (statistique et non-statistique) des coefficients d'ondelette et de paquets d'ondelettes.
(C) Réduction des données par l'analyse en composantes principales (ACP).
(D) Classification avec la méthode de machine à vecteurs de support (SVM) suivie de l'algorithme d'élimination récursive des paramètres (RFE) pour déterminer les meilleurs paramètres.
Le but de ce travail est de développer un algorithme de classification des signaux EEG en deux classes: Normal, Pathologique (épileptique).Réservation
Réserver ce document
Exemplaires (2)
Code-barres Cote Support Localisation Section Disponibilité Spécialité Etat_Exemplaire Ms00612A Ms00612 Papier + ressource électronique Bibliothèque Annexe Mémoire de Master Disponible Electronique Consultation sur place/Téléchargeable Ms00612B Ms00612 Papier + ressource électronique Bibliothèque Annexe Mémoire de Master Disponible Electronique Consultation sur place/Téléchargeable Documents numériques
HADJ YOUCEF.Mohamed El Amine.pdfURL
