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 "KERMAYA, Nour Djihene"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    ItemOpen Access
    Estimation des Paramètres du Clutter CGIG par la Technique d’Intelligence Artificielle
    (University of M'sila, 2023-07-16) KERMAYA, Nour Djihene; ABD ELKEBIR, Amel; Enca/ Mezache, Amar
    La bonne modélisation et la bonne estimation des paramètres du clutter de la mer rendent la détection des cibles radar plus performante. Les travaux de ce mémoire concernent deux volets ; la modélisation des échos radar IPIX (Intelligent Pixel X-band) et l’application de la technique du réseau de neurones artificielle (ANN) pour l’estimation des paramètres du modèle de clutter. Pour ce faire, nous proposons en premier temps la distribution gaussienne composée (CGIG) et la distribution mélangée CGIG. Un ajustement précis de ce type de données est obtenu par rapport aux distributions standards nommées Weibull, log-normal, Pareto type II et K. Ensuite, l’intelligence artificielle basée sur les réseaux de neurones MLP (Multilayer Perceptron) est appliquée dans le but d’acquérir des estimés rapides des paramètres du modèle CGIG. A cet effet, la phase d’apprentissage, la phase de test et la phase de validation sont considérées pour la construction de l’estimateur ANN.

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

  • Cookie settings
  • Privacy policy
  • Terms of Use