Combinaison des classifieurs KNN pour l’identification des appareils électriques

dc.contributor.authorIslam Amoura
dc.contributor.authorWassim Segouat
dc.date.accessioned2025-07-27T09:25:28Z
dc.date.issued2025-07
dc.description.abstractCe mémoire présente un système intelligent capable d’identifier les appareils électriques en analysant leurs signatures de consommation énergétique, en s’appuyant sur l’algorithme des K plus proches voisins (KNN) exploré avec différentes métriques de distance. Une approche bayésienne est utilisée pour combiner les résultats issus de ces variantes et renforcer la précision et la robustesse du système. Les données expérimentales proviennent de la base PLAID, avec extraction de descripteurs statistiques à partir des signaux de courant. Plusieurs versions de KNN sont évaluées, et les expérimentations montrent l’efficacité de la méthode, notamment avec l’utilisation de la distance Cityblock. Le modèle proposé se révèle adapté aux réseaux électriques intelligents et constitue une contribution utile à l’optimisation de la gestion énergétique.
dc.identifier.urihttps://dspace.univ-bba.dz/handle/123456789/391
dc.language.isofr
dc.publisherFaculté des sciences et de la technologie
dc.relation.ispartofseriesDépartement d'Electronique; EL/M/2025/26
dc.titleCombinaison des classifieurs KNN pour l’identification des appareils électriques
dc.typeThesis

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
MMFinale.pdf
Size:
6.53 MB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description: