Standaard Boekhandel gebruikt cookies en gelijkaardige technologieën om de website goed te laten werken en je een betere surfervaring te bezorgen.
Hieronder kan je kiezen welke cookies je wilt inschakelen:
Technische en functionele cookies
Deze cookies zijn essentieel om de website goed te laten functioneren, en laten je toe om bijvoorbeeld in te loggen. Je kan deze cookies niet uitschakelen.
Analytische cookies
Deze cookies verzamelen anonieme informatie over het gebruik van onze website. Op die manier kunnen we de website beter afstemmen op de behoeften van de gebruikers.
Marketingcookies
Deze cookies delen je gedrag op onze website met externe partijen, zodat je op externe platformen relevantere advertenties van Standaard Boekhandel te zien krijgt.
Je kan maximaal 250 producten tegelijk aan je winkelmandje toevoegen. Verwijdere enkele producten uit je winkelmandje, of splits je bestelling op in meerdere bestellingen.
Les Systèmes de Gestion de Bases de Données Relationnelles (SGBDR) sont devenus, sans contexte, le noyau de tout système informatique. Cependant, La diversification des applications des bases de données a montré les limites des SGBDR notamment dans la représentation des données imprécises. Les bases de données relationnelles floues (BDRF) permettent de résoudre ce problème en offrant cette extension. Le stockage et la manipulation des données floues deviennent nécessaires, d'où l'importance de définir la fouille de données floues. Nous nous sommes intéressés à l'une des méthodes de la fouille de données floues, à savoir, la classification non supervisée floue. L'inconvénient majeur des algorithmes de classification est qu'ils ne permettent pas de traiter des données floues. Dans le cadre de ce travail, nous proposons de définir un nouvel algorithme de classification floue qui supporte aussi bien les données crisp que floues. Nous présentons un outil de clustering, basé sur cet algorithme, qui intègre deux types d'approches: l'approche crisp et l'approche floue.