Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Ahmed"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Results Per Page
  • Sort Options
  • No Thumbnail Available
    Item
    Détection et modélisation du changement temporel par imagerie satellitaire multi-date
    (2025-03-05) Tahraoui; Ahmed
    Notre travail de thèse de doctorat porte sur l’étude, le développement et l’implémentation de mé-thodes de détection de changement et d’un modèle prédictif de l’évolution temporelle de l’occupation et l’utilisation futures des sols LULC (Land Use Land Cover). Nous avons implémenté trois méthodologies de détection de changement. La première méthodologie non supervisée basée sur les transformations linéaires de type PCA (Principal Component Analysis) et MAD (Multivariate Alteration Detection) ainsi que ses dérivées (MAD/MAF, IR-MAD et k-MAD) a nécessité un bon seuillage et/ou une bonne classification pour aboutir à une carte de changement LCCM (Land Cover Change Map) binaire donnant une vue globale sur les zones de changement et les zones de non changement. La deuxième méthodologie supervisée basée sur la comparaison post classification PCC (Post-Classification Comparison) est conditionnée par la fiabilité des classifica-tions multi-dates pour aboutir à une carte multi-classes très riche en information sur la nature du changement survenu. La troisième méthodologie que nous avons proposée est hybride constituée de trois phases : 1) génération d’une LCCM binaire (k-MAD et Chi-2), 2) clustering de la carte obtenue par l’algorithme AP (Aÿnity Propagation), et 3) classification supervisée par un réseau neuronal profond pour produire une LCCM multi-classes régularisée et de meilleure qualité. Notre méthode a permis de s’a?ranchir des limites des méthodes supervisées et non supervisées tout en conservant les avantages de chacune d’elle. ar la suite, nous avons développé le modèle CA-Markov qui permet de spatialiser, simuler et pré-dire l’état futur d’un phénomène dynamique comme par exemple l’étalement urbain que nous avons considéré dans notre travail. En e?et, en utilisant des images satellitaires multispectrales et mul-titemporelle combinées avec des données auxiliaires sur la zone d’étude, le modèle a d’abord été calibré, puis généralisé et appliqué pour prédire l’image en 2025. Les indicateurs de précision ont donné des valeurs appréciables indiquant ainsi une bonne prédiction. Dans cette partie, nous nous sommes intéressés aussi à l’analyse de l’évolution de l’urbain au détriment de la dégradation des terres agricoles dans la zone d’étude. Nous avons pu générer une carte d’adéquation urbaine et une carte d’adéquation des terres agricoles, qui nous renseignent respectivement sur les meilleurs emplacements futurs pour la création des sites urbains et l’implantation des sites agricoles. Cette adéquation est une source d’information précieuse pour les projets futurs de l’aménagement du territoire. Le résultat de prédiction obtenu pourrait être amélioré si nous considérons des images multi-dates acquises par le même capteur satellitaire afin de s’a?ranchir complètement des erreurs de la phase du prétraitement. Aussi, il serait intéressant d’inclure d’autres informations auxiliaires liées à la réalité de l’évolution de l’urbain. Nous envisageons également d’aborder la modélisation multi-objective à l’aide de l’analyse multicritères et aussi de développer des modèles basés sur les théories de l’incertain.
  • No Thumbnail Available
    Item
    Vers un modèle d’identité numérique sécurisée
    (2025-03-11) Berbar; Ahmed
    Les plateformes e-gouvernement sont des systèmes électroniques qui permettent aux citoyens d'interagir avec les services gouvernementaux en ligne. Elles offrent un accès pratique aux services tels que les demandes de documents, les paiements d'impôts et le suivi des dossiers. Ces plateformes offrent également des avantages pour les gouvernements en automatisant les processus, en améliorant la gestion des données et en réduisant les coûts. La gestion d'identité est un élément essentiel des plateformes e-gouvernement. Elle implique la création, la maintenance et l'utilisation d'informations d'identification pour authentifier les utilisateurs et contrôler leur accès aux services gouvernementaux en ligne. La gestion d'identité garantit que seules les personnes autorisées peuvent accéder aux services et aux données, renforçant ainsi la sécurité et la confidentialité des informations. Les plateformes e-gouvernement offrent des avantages potentiels en termes de sécurité et de confidentialité des données, mais elles comportent également des risques tels que les cyberattaques et les fuites de données. Il est donc crucial pour les gouvernements de mettre en place des mesures de sécurité robustes pour protéger les données d'identité des citoyens. Dans le cadre de cette thèse, une plateforme e-gouvernementale multi-domaines basée sur les technologies cloud computing et blockchain est proposée. Elle utilise un modèle de gestion des identités structuré et extensible, respectant la vie privée des utilisateurs et permettant un contrôle d'accès sécurisé aux services gouvernementaux. Notre modèle reste adaptable et applicable à tous les pays sans pour autant exiger la refonte des systèmes d’identification existants.

Dspace USTHB copyright @ 2025

  • Elearning
  • Campus virtuel Moodle
  • Messagerie
  • Portail de l'université