
Open access research
publication repository
publication repository
Bellerive, Patrick (2023). Apprentissage machine pour la prédiction de l’effet de la réadaptation physique sur le genou pathologique (Master's thesis, Université TÉLUQ, Québec, Canada). Advisor(s): Mezghani, Neila.
File(s) available for this item:![]() |
PDF
- Patrick-Bellerive.pdf
License : Creative Commons Attribution. |
|
Item Type: | Doctoral Dissertations and Master's Theses |
---|---|
Refereed: | Yes |
Status: | Unpublished |
Abstract: | L’analyse des signaux biomécaniques comporte une complexité élevée ainsi qu’une grande dimensionnalité à cause des divers facteurs et contraintes que le corps humain génère sur le mouvement. Que ce soit la complexité des articulations, les pathologies ou la condition physique, cela influence les données de chaque individu. La technologie permettant d’obtenir les signaux est présente, mais il faut maintenant mettre à profit l’information récoltée. L’utilisation des arbres de décision est rapide et performante. De plus, ils sont compréhensibles. Cependant, les arbres de décision sont davantage linéaires. Ainsi, l’analyse de données biomécaniques exige une approche adaptée à leur grande variabilité et leur grande dimensionnalité afin de faire ressortir les attributs significatifs pour effectuer des prédictions précises. Dans le cadre de cette recherche, l’objectif est la mise en place d’algorithmes qui permettent de mieux cibler les attributs de valeur importants à la classification et la généralisation des algorithmes pour prédire l’effet de la réadaptation sur le genou pathologique, en l’occurrence atteint d’arthrose. Afin d’y parvenir, il y a l’exploration d’algorithmes alternatifs en premier lieu. Par la suite, nous avons l’exploration de techniques de réduction de la dimensionnalité, soit l’extraction des caractéristiques significatives. |
Depositor: | Breault, Claude |
Owner / Manager: | Claude Breault |
Deposited: | 16 Jan 2023 19:32 |
Last Modified: | 16 Jan 2023 19:32 |
![]() |
RÉVISER |