Browsing by Author "Smaala, Aziz"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
Item Analyse analytique des protocoles multicast géographique dans les réseaux de capteurs(2018) Smaala, Aziz; Derdouri, LakhdarLa durée de vie d'un réseau de capteurs sans fil dépend fortement de la durée de vie des nœuds capteurs. Ces nœuds sont des petits composants ayant une faible capacité de stockage et de calcul. Ils sont alimentés par des batteries dont la capacité est très limitée et qui sont généralement non rechargeables. Cette contrainte représente un grand défi dans ce type de réseau. En effet l'utilisation des protocoles de routage multicast géographique dans les RCSF a permis de résoudre des problèmes liés à la consommation d'énergie et des ressources du réseau. Car ce type de routage a prouvé son efficacité dans des scénarios à contrainte de ressources avec l'utilisation de variantes mécanismes qui servent à prouver cette efficacité. Pour montrer l'intérêt des protocoles de routage multicast géographique dans le domaine des réseaux de capteurs sans fil, nous avons réalisé une étude comparative en analysant analytiquement deux protocoles (P1, P2) en termes de la bande passante et d'énergie. Chaque protocole utilise sa propre stratégie pour préserver l'énergie et la bande passante. Le protocole (P1) adopte une stratégie basée sur la méthode de planification des nœuds (Sleep Scheduling), où chaque nœud capteur fonctionne en deux modes : à l'écoute (listening) et endormi (sleeping) qui a pour but de réduire le nombre des nœuds participant au transfert de données. Le deuxième protocole (P2) adopte une stratégie différente à celle du protocole (P1), celle-ci est basée sur l'utilisation de trois phases chacun avec un objectif précis. Ce protocole permet de résoudre les problèmes de trous dans le réseau et de réduire la complexité des calculs au niveau des nœuds capteurs tout en construisant un arbre multicast basé sur le plus court chemin. L'étude comparative a montré que le protocole P1 et plus performant que le protocole P2 tout en respectant les paramètres qui ont une influence sur la consommation d'énergie et la bande passante tels que : la profondeur de l'arbre multicast, le nombre de voisins d'un nœud relai, le nombre de nœuds relais et la taille de groupe.Item Multimedia content access in context-aware pervasive systems(University of Oum El Bouaghi, 2025) Smaala, Aziz; Laboudi, ZakariaThe rapid growth of mobile computing and ambient intelligence has transformed users’ interactions with devices and access digital content, fostering the emergence of context-aware pervasive systems. These systems aim to deliver personalized experiences, particularly by adapting multimedia content to dynamic user contexts, such as location, device features, and environment. Several context-aware multimedia adaptation approaches already exist; they belong to four main categories: client-side adaptation, server-side adaptation, proxy-based adaptation and peer-to-peer adaptation. However, most of these approaches primarily rely on real-time context data, often neglecting the potential of incorporating historical user data into the adaptation process. Indeed, historical data can significantly enhance multimedia adaptation by enabling informed decision-making and supporting personalization. This thesis addresses this gap by proposing a framework that incorporates historical user data into multimedia documents adaptation processes in context-aware systems. The main contributions of this work are threefold. The first contribution proposes an efficient adaptation framework that employs historical user data to enhance multimedia content accessibility, usability, and personalization in context-aware systems. The framework incorporates SQL and NoSQL databases for efficient data storage, develops processing functions for retrieving and analyzing historical data, and uses these insights to optimize content delivery. These functions support client-side, proxy-based, and server-side management options. This aim is to help enhance adaptation processes through machine learning and recommendation tasks. The second contribution of this work is a rule-learning mechanism that leverages machine learning algorithms – such as ECLAT, sequential covering, FP-Growth, and decision trees – to personalize adaptation rules, based on historical users data. Using unsupervised machine learning techniques, the system predicts adaptation actions based on past user behaviors with respect to context changes, without needing pre-trained datasets. The third contribution involves the application of latent semantic analysis to classify context situations and user behaviors. By treating historical user data as textual documents with context elements and adaptation actions serving as words, the system uncovers hidden semantic structures, improving content delivery and enhancing user experience personalization through deeper context understanding. These contributions are validated through real prototypes and applications, with a particular focus on the adaptation of learning materials in context-aware pervasive environments. The results demonstrate the effectiveness and potential of the proposed system to enhance multimedia document accessibility and personalization, offering promising improvements in user experience and adaptation efficiency. La croissance rapide de l'informatique mobile et de l'intelligence ambiante a transformé les interactions des utilisateurs avec les dispositifs et l'accès aux contenus numériques, favorisant l'émergence de systèmes pervasifs sensibles au contexte. Ces systèmes visent à offrir des expériences personnalisées, notamment en adaptant les contenus multimédias aux contextes dynamiques des utilisateurs, tels que la localisation, les caractéristiques des dispositifs et l'environnement. Plusieurs approches d'adaptation de contenus multimédias sensibles au contexte existent déjà; elles se répartissent en quatre grandes catégories : l'adaptation côté client, l'adaptation côté serveur, l'adaptation basée sur un proxy et l'adaptation de pair à pair. Cependant, la plupart de ces approches s'appuient principalement sur des données contextuelles en temps réel, négligeant souvent le potentiel d'intégration des données historiques des utilisateurs dans le processus d'adaptation. En effet, les données historiques peuvent considérablement améliorer l'adaptation multimédia en permettant une prise de décision éclairée et en soutenant la personnalisation. Cette thèse répond à ce besoin en proposant un cadre d'adaptation des documents multimédias dans les systèmes sensibles au contexte, intégrant les données historiques des utilisateurs. Les principales contributions de ce travail sont triples. La première contribution propose un modèle d'adaptation efficace qui utilise les données historiques des utilisateurs pour améliorer l'accessibilité, l'utilisabilité et la personnalisation des contenus multimédias dans les systèmes sensibles au contexte. Le modèle incorpore des bases de données SQL et NoSQL pour un stockage efficace des données, développe des fonctions de traitement pour la récupération et l'analyse des données historiques, et utilise ces informations pour optimiser la diffusion de contenus. Ces fonctions prennent en charge les options de gestion côté client, basé-proxy et côté serveur. L'objectif est d'améliorer les processus d'adaptation grâce à des tâches d'apprentissage automatique et de recommandation. La deuxième contribution de ce travail est un mécanisme d'apprentissage des règles qui exploite des algorithmes d'apprentissage automatique tels que ECLAT, le recouvrement séquentiel, FP-Growth et les arbres de décisionpour personnaliser les règles d'adaptation à partir des données historiques des utilisateurs. En utilisant des techniques d'apprentissage non supervisé, le système prédit les actions d'adaptation en fonction des comportements passés des utilisateurs face aux changements de contexte, sans nécessiter de jeux de données pré-entraînés. La troisième contribution concerne l'application de l'analyse sémantique latente pour classifier les situations contextuelles et les comportements des utilisateurs. En traitant les données historiques des utilisateurs comme des documents textuels, avec les éléments contextuels et les actions d'adaptation servant de mots, le système découvre des structures sémantiques cachées, améliorant la diffusion des contenus et la personnalisation de l'expérience utilisateur grâce à une compréhension approfondie du contexte. Ces contributions sont validées par des prototypes réels et des applications, en mettant particulièrement l'accent sur l'adaptation des supports d'apprentissage dans des environnements pervasifs sensibles au contexte. Les résultats démontrent l'efficacité et le potentiel du système proposé pour améliorer l'accessibilité et la personnalisation des documents multimédias, offrant des améliorations prometteuses de l'expérience utilisateur et de l'efficacité des processus d'adaptation. أدى النمو السريع للحوسبة المتنقلة والذكاء المحيطي إلى تغيير تفاعلات المستخدمين مع الأجهزة والوصول إلى المحتوى الرقمي، مما ساهم في ظهور أنظمة محيطية حساسة للسياق. تهدف هذه الأنظمة إلى تقديم تجارب مخصصة، خاصة من خلال تكييف المحتوى المتعدد الوسائط مع السياقات الديناميكية للمستخدمين مثل الموقع وخصائص الجهاز والبيئة. توجد العديد من مقاربات تكييف المحتوى المتعدد الوسائط الحساس للسياق، وتنقسم إلى أربع فئات رئيسية: التكييف من جانب العميل، التكييف من جانب الخادم، التكييف القائم على الوكيل، والتكييف من نظير إلى نظير. ومع ذلك، تعتمد معظم هذه المقاربات بشكل أساسي على البيانات السياقية في الوقت الفعلي، وغالباً ما تهمل إمكانية دمج البيانات التاريخية للمستخدمين في عملية التكييف .في الواقع، يمكن للبيانات التاريخية أن تعزز بشكل كبير تكييف المحتوى المتعدد الوسائط من خلال تمكين اتخاذ قرارات مستنيرة ودعم التخصيص. تسعى هذه الأطروحة إلى سد هذه الفجوة من خلال اقتراح إطار عمل يدمج البيانات التاريخية للمستخدمين في عمليات تكييف الوثائق المتعددة الوسائط في الأنظمة الحساسة للسياق .تتمثل المساهمات الرئيسية لهذا العمل في ثلاث نقاط رئيسية. أولاً، يقترح إطار عمل فعال لتكييف المحتوى يستخدم البيانات التاريخية للمستخدمين لتحسين الوصول إلى المحتوى المتعدد الوسائط، وسهولة استخدامه، وتخصيصه في الأنظمة الحساسة للسياق. يتضمن الإطار قواعد بيانات SQL و NoSQL لتخزين البيانات بكفاءة، ويطور وظائف معالجة لاسترجاع وتحليل البيانات التاريخية، ويستخدم هذه الرؤى لتحسين تقديم المحتوى .ثانياً، يساهم هذا العمل في تطوير آلية تعلم القواعد التي تعتمد على خوارزميات التعلم الآلي مثل: ECLAT, ، sequential covering ، FP-Growth، و decision trees لتخصيص قواعد التكييف بناءً على البيانات التاريخية للمستخدمين .ثالثاً، يتناول استخدام التحليل الدلالي الكامن لتصنيف الحالات السياقية وسلوكيات المستخدمين، من خلال معاملة البيانات التاريخية للمستخدمين كوثائق نصية .تمت المصادقة على هذه المساهمات من خلال نماذج تطبيقات حقيقية مع التركيز بشكل خاص على تكييف المواد التعليمية في البيئات المحيطية الحساسة للسياق.