Combinaison des classifieurs KNN pour l’identification des appareils électriques
dc.contributor.author | Islam Amoura | |
dc.contributor.author | Wassim Segouat | |
dc.date.accessioned | 2025-07-27T09:25:28Z | |
dc.date.issued | 2025-07 | |
dc.description.abstract | Ce 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.uri | https://dspace.univ-bba.dz/handle/123456789/391 | |
dc.language.iso | fr | |
dc.publisher | Faculté des sciences et de la technologie | |
dc.relation.ispartofseries | Département d'Electronique; EL/M/2025/26 | |
dc.title | Combinaison des classifieurs KNN pour l’identification des appareils électriques | |
dc.type | Thesis |