Optimised Framework based on Rough Set Theory for Big Data Pre-processing in Certain and Imprecise Contexts

Informations projet

RoSTBiDFramework

N° de convention de subvention: 702527

DOI

10.3030/702527

Projet clôturé

Date de signature de la CE 31 Mars 2016

Date de début 1 Mars 2017

Date de fin 28 Février 2019

Financé au titre de

• EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions

Coût total

€ 183 454,80

Contribution de l’UE

€ 183 454,80

Coordonné par

ABERYSTWYTH UNIVERSITY
United Kingdom

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

Publications

Conference proceedings (8)

A distributed rough set theory based algorithm for an efficient big data pre-processing under the spark framework

Auteurs: Zaineb Chelly Dagdia, Christine Zarges, Gael Beck, Mustapha Lebbah
Publié dans: 2017 IEEE International Conference on Big Data (Big Data), 2017, Page(s) 911-916, ISBN 978-1-5386-2715-0
Éditeur: IEEE
DOI: 10.1109/BigData.2017.8258008

Optimized Framework based on Rough Set Theory for Big Data Preprocessing in Certain and Imprecise Contexts

Auteurs: Zaineb Chelly Dagdia
Publié dans: The 5th MCAA Annual Conference and General Assembly, 2018
Éditeur: MCAA Annual Conference and General Assembly

Optimized Framework based on Rough Set Theory for Big Data Pre-processing in Certain and Imprecise Contexts” -- Marie Sklodowska-Curie Project: Open Problems’

Auteurs: Zaineb Chelly Dagdia
Publié dans: Recent Trends in Knowledge Compilation (Dagstuhl Seminar 17381), 2018
Éditeur: Schloss Dagstuhl--Leibniz-Zentrum fuer Informatik
DOI: 10.4230/DagRep.7.9.62

Nouveau Modèle de Sélection de Caractéristiques basé sur la Théorie des Ensembles Approximatifs pour les Données Massives : Méthode de sélection de caractéristiques pour les données massives

Auteurs: Zaineb Chelly Dagdia, Christine Zarges, Gael Beck, Mustapha Lebbah
Publié dans: Conférence Internationalle sur l'Extraction et la Gestion des Connaissances, 2018, Page(s) 377--378, ISBN 979-10-96289-07-3
Éditeur: Revue des Nouvelles Technologies de l'Information

Modèle de Sélection de Caractéristiques pour les Données Massives

Auteurs: Zaineb Chelly Dagdia, Christine Zarges, Gael Beck, Mustapha Lebbah
Publié dans: 15ème édition de l'atelier Fouille de Données Complexes, 2018, Page(s) 1--12
Éditeur: Revue des Nouvelles Technologie de l'Information

A distributed dendritic cell algorithm for big data

Auteurs: Zaineb Chelly Dagdia
Publié dans: Proceedings of the Genetic and Evolutionary Computation Conference Companion on - GECCO '18, 2018, Page(s) 103-104, ISBN 9781-450357647
Éditeur: ACM Press
DOI: 10.1145/3205651.3205701

Distributed Rough Set Based Feature Selection Approach to Analyse Deep and Hand-crafted Features for Mammography Mass Classification

Auteurs: Azam Hamidinekoo, Zaineb Chelly Dagdia, Zobia Suhail, Reyer Zwiggelaar
Publié dans: 2018 IEEE International Conference on Big Data (Big Data), 2018, Page(s) 2423-2432, ISBN 978-1-5386-5035-6
Éditeur: IEEE
DOI: 10.1109/bigdata.2018.8621962

A Distributed Rough Set Theory Algorithm based on Locality Sensitive Hashing for an Efficient Big Data Pre-processing

Auteurs: Zaineb Chelly Dagdia, Christine Zarges, Gael Beck, Hanene Azzag, Mustapha Lebbah
Publié dans: 2018 IEEE International Conference on Big Data (Big Data), 2018, Page(s) 2597-2606, ISBN 978-1-5386-5035-6
Éditeur: IEEE
DOI: 10.1109/bigdata.2018.8622024

Peer reviewed articles (2)

A Hybrid Fuzzy Maintained Classification Method Based on Dendritic Cells

Auteurs: Zaineb Chelly Dagdia and Zied Elouedi
Publié dans: Journal of Classification, 2019, ISSN 1432-1343
Éditeur: Springer US

A scalable and distributed dendritic cell algorithm for big data classification

Auteurs: Zaineb Chelly Dagdia
Publié dans: Swarm and Evolutionary Computation, 2018, Page(s) 1-13, ISSN 2210-6502
Éditeur: Elsevier BV
DOI: 10.1016/j.swevo.2018.08.009

Book chapters (1)

Rough Set Theory as a Data Mining Technique: A Case Study in Epidemiology and Cancer Incidence Prediction

Auteurs: Zaineb Chelly Dagdia, Christine Zarges, Benjamin Schannes, Martin Micalef, Lino Galiana, Benoît Rolland, Olivier de Fresnoye, Mehdi Benchoufi
Publié dans: Machine Learning and Knowledge Discovery in Databases - European Conference, ECML PKDD 2018, Dublin, Ireland, September 10–14, 2018, Proceedings, Part III, Numéro 11053, 2019, Page(s) 440-455, ISBN 978-3-030-10996-7
Éditeur: Springer International Publishing
DOI: 10.1007/978-3-030-10997-4_27