Caractérisation et Classification des Formes
Master Signaux et Images en Médecine Université Abou Bekr Belkaid Tlemcen

Résumé : la reconnaissance des formes est un domaine très vaste il y a plusieurs recherches dans ce domaine pour améliorer les algorithmes de classification pour augmenter le taux de classification Dans cette étude nous avons proposé un algorithme capable de différencier entre un cercle, un rectangle et un triangle basé sur le réseau de neurone multicouche afin d’avoir un taux de classification important, nous avons utilisé des approches géométriques et spatiaux pour extraire les paramètres pertinents. Mots-clés : compacité, asymétrie, réseau de neurone, rétro-propagation de gradient. 1. Introduction : Vu la grande complexité des problèmes de décision, un individu ou un groupe d’individus a souvent recours à une aide extérieure afin de prendre une décision. Cette aide est dirigée par des analystes spécialistes du domaine ou experts : les “hommes d’études”. Ces derniers prennent en charge l’aide à la décision en donnant des conseils sur la formulation du problème et les démarches à suivre pour aboutir à une décision finale. [1] Pour assurer un diagnostic exact un système d’aide au diagnostic aide le médecin à réduire au minimum les erreurs possibles qui peuvent survenir pendant le diagnostic d’une maladie. [2] Dans le but de s’inciser au domaine de classification nous allons choisir un exemple simple. Il s’agit de développer et d’intégrer un algorithme capable de classifier des objets (cercle, rectangle, triangle) à partir de quelque paramètre pertinent de chacun. 2. Réseau de neurone : Les réseaux de neurones artificiels s’inspirent du fonctionnement du cerveau et du système nerveux ou, plus exactement, de la représentation que l’on s’en fait. Il existe deux grandes catégories de réseaux : [3] Les réseaux à apprentissage supervisé dans lesquels le système apprend à reconnaitre des formes à partir d’un échantillon d’apprentissage qui associe les