Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Српски
  • Yкраї́нська
  • Log In
    Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of Digital Repository
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Српски
  • Yкраї́нська
  • Log In
    Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "ADJIMI, Ahlem"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • No Thumbnail Available
    ItemOpen Access
    Classification des empreintes digctales par les réseaux de neurones flous
    (Faculté des Mathématiques et de l’Informatique-Université de M’sila, 2012) ADJIMI, Ahlem
    Le travail suivant présente un système de classification des empreintes digitales et ses performances. Ce système est basé sur l'extraction des points singuliers globaux des empreintes digitales (cores et deltas) et l’utilisation des réseaux de neurones flous. L’image de l’empreinte digitale subit les traitements suivant : l’extraction de l’image d’orientation correspondante, détection des points singuliers globaux par l’algorithme de l’index de Poincaré et la construction de vecteur caractéristique. Le but de ce système est de classifier les empreintes digitales en cinq classes selon la classification de Henry et ceci est mis en œuvre en utilisant deux approches : les réseaux de neurones artificiels et les réseaux de neurones flous, les résultats obtenus par ces deux approches sont très satisfaisantes. Le taux de classification pour le réseau de neurones artificiels est 96%, et ceux des réseaux de neurones flous sont 100%.

All Rights Reserved - University of M'Sila - UMB Electronic Portal © 2024

  • Cookie settings
  • Privacy policy
  • Terms of Use