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

Informazioni relative al progetto

RoSTBiDFramework

ID dell’accordo di sovvenzione: 702527

DOI

10.3030/702527

Progetto chiuso

Data della firma CE 31 Marzo 2016

Data di avvio 1 Marzo 2017

Data di completamento 28 Febbraio 2019

Finanziato da

• EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions

Costo totale

€ 183 454,80

Contributo UE

€ 183 454,80

Coordinato da

ABERYSTWYTH UNIVERSITY
United Kingdom

CORDIS fornisce collegamenti ai risultati finali pubblici e alle pubblicazioni dei progetti ORIZZONTE.

I link ai risultati e alle pubblicazioni dei progetti del 7° PQ, così come i link ad alcuni tipi di risultati specifici come dataset e software, sono recuperati dinamicamente da .OpenAIRE .

Pubblicazioni

Conference proceedings (8)

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

Autori: Zaineb Chelly Dagdia, Christine Zarges, Gael Beck, Mustapha Lebbah
Pubblicato in: 2017 IEEE International Conference on Big Data (Big Data), 2017, Pagina/e 911-916, ISBN 978-1-5386-2715-0
Editore: IEEE
DOI: 10.1109/BigData.2017.8258008

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

Autori: Zaineb Chelly Dagdia
Pubblicato in: The 5th MCAA Annual Conference and General Assembly, 2018
Editore: 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’

Autori: Zaineb Chelly Dagdia
Pubblicato in: Recent Trends in Knowledge Compilation (Dagstuhl Seminar 17381), 2018
Editore: 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

Autori: Zaineb Chelly Dagdia, Christine Zarges, Gael Beck, Mustapha Lebbah
Pubblicato in: Conférence Internationalle sur l'Extraction et la Gestion des Connaissances, 2018, Pagina/e 377--378, ISBN 979-10-96289-07-3
Editore: Revue des Nouvelles Technologies de l'Information

Modèle de Sélection de Caractéristiques pour les Données Massives

Autori: Zaineb Chelly Dagdia, Christine Zarges, Gael Beck, Mustapha Lebbah
Pubblicato in: 15ème édition de l'atelier Fouille de Données Complexes, 2018, Pagina/e 1--12
Editore: Revue des Nouvelles Technologie de l'Information

A distributed dendritic cell algorithm for big data

Autori: Zaineb Chelly Dagdia
Pubblicato in: Proceedings of the Genetic and Evolutionary Computation Conference Companion on - GECCO '18, 2018, Pagina/e 103-104, ISBN 9781-450357647
Editore: 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

Autori: Azam Hamidinekoo, Zaineb Chelly Dagdia, Zobia Suhail, Reyer Zwiggelaar
Pubblicato in: 2018 IEEE International Conference on Big Data (Big Data), 2018, Pagina/e 2423-2432, ISBN 978-1-5386-5035-6
Editore: 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

Autori: Zaineb Chelly Dagdia, Christine Zarges, Gael Beck, Hanene Azzag, Mustapha Lebbah
Pubblicato in: 2018 IEEE International Conference on Big Data (Big Data), 2018, Pagina/e 2597-2606, ISBN 978-1-5386-5035-6
Editore: IEEE
DOI: 10.1109/bigdata.2018.8622024

Peer reviewed articles (2)

A Hybrid Fuzzy Maintained Classification Method Based on Dendritic Cells

Autori: Zaineb Chelly Dagdia and Zied Elouedi
Pubblicato in: Journal of Classification, 2019, ISSN 1432-1343
Editore: Springer US

A scalable and distributed dendritic cell algorithm for big data classification

Autori: Zaineb Chelly Dagdia
Pubblicato in: Swarm and Evolutionary Computation, 2018, Pagina/e 1-13, ISSN 2210-6502
Editore: 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

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