Background: The fundamental need for authentication and identification of humans using their physiological, behavioral or biological characteristics, continues to be applied extensively to secure localities, property, financial transactions, etc. Biometric systems based on face characteristics, continue to attract the attention of researchers, major public and private services. In the literature, many methods have been deployed by different authors. The best performance must be found in order to be able to recommend the most effective method. So, the main objective of thisarticle is to make a comparative study of different existing techniques.Methods: A biometric system is generally composed of four stages: acquisition of facial images, preprocessing, extraction of characteristics and finally classification. In this work, the focus is on machine learning algorithms for classification. These algorithms are: Support Vector Machines (SVM), Artificial Neural Networks (ANN), K-Nearest Neighbors (KNN), Random Forests (RF), Logistic Regression (LR), Naive Bayesian Classification (NB: Naive Bayes’ Classifiers) and deep learning techniques such as Convolutional Neural Networks (CNN). The comparison criterion is the average performance, calculated using three performance measures: recognition rate, confusion matrix, and the Area Under Receiver Operating Characteristic (ROC) curve.Results: Based on this criterion, the performance comparison of selected machine learning algorithms, […]
Cet article propose une méthode pour extraire des connaissances en règles d’association en utilisant la mesure classique de l’intensité d’implication. Nous avons ensuite appliqué notre méthode dans des données issues de travaux en didactique des mathématiques. L’objectif de l’étude en didactique est de connaitre les relations entre les difficultés et les compétences des élèves lorsque ceux-ci démontrent une proposition mathématique formulée en langue française. Le résultat de notre étude nous a démontré que notre méthodologie est efficace pour extraire les règles intéressantes. De plus les résultats d’analyse didactique ont montré la dépendance entre compréhension d’un énoncé mathématique en français, compétence à le traduire formellement et à le prouver.
Le dimensionnement de lots tient une place importante en planification de production en industrie. Il consiste à trouver un plan de production qui à la fois satisfait les demandes et autres contraintes tout en minimisant les coûts de production. Dans cet article, nous étudions une instance de problèmes de dimension discret (DLSP), le Pigment Sequencing Problem (PSP). Nous avons développé une approche basée sur les algorithmes génétiques afin de le résoudre. Notre approche propose des méthodes adaptatives pour chacune des étapes des algorithmes génétiques que sont l'initialisation, la sélection, le croisement et la mutation. Les expériences menées nous ont permis d'évaluer la performance de cette approche sur des instances en accès publique de PSP. Les résultats obtenus montrent que les algorithmes génétiques constituent une approche intéressante et effective dans la résolution des DLSP.
Six séries temporelles ont servi pour des évaluations expérimentales, en fonction des paramètres choisis, d'exactitude de prévisions de phénomènes atmosphériques par la méthode d'analyse de spectre singulier (SSA). Les méthodes les plus connues de sélection automatique des ces paramètres ont été comparées avec une sélection optimale a posteriori et des méthodes de prévision naïves. On constate notamment qu'une pratique répandue d'utiliser des fenêtres plus larges conduit souvent à des prévisions de médiocre qualité. On confirme aussi que le choix du groupement est capital. Avec l'erreur moyenne observée en dessous de 1,5% de prévisions de pluviométrie pour des horizons au delà de deux semaines, la SSA apparaît comme une alternative viable à d'autres méthodes de prévision.
