Résumé: Depuis plusieurs décennies, la reconnaissance des chiffres manuscrits est une voie traditionnelle, qui a attiré l’attention des chercheurs et il reste un domaine de recherche très ouvert, dû à son grand nombre d’applications pratiques. En raison du progrès des technologies actuelles, telles que les dispositifs de capture de l'écriture manuscrite et les ordinateurs portables les plus puissants, le scénario actuel appelle à la nécessité d'une reconnaissance performante des chiffres manuscrits dans les banques, pour identifier les chiffres sur un chèque bancaire. De plus, il peut être utilisé dans les bureaux de poste pour identifier les numéros de boîte à code PIN. La création d'un système de reconnaissance à haute fiabilité définit la motivation principale de ce projet. L’objectif de ce projet est de créer un modèle qui sera capable de reconnaître et de déterminer les chiffres manuscrits de la base de données MNIST en utilisant les concepts de de l’algorithme kNN (Méthode des k plus proches voisins). L’espace des caractéristiques de la base de données MNIST des images numériques manuscrites (0-9) est de 784 dimensions., elle a donc de nombreuses dimensions. Un outil de réduction de dimension est mis en œuvre pour réduire les éléments en un petit ensemble informatif de caractéristiques, avant d'utiliser les données dans notre modèle d'apprentissage automatique. Cela permet un apprentissage rapide de modèle et une capacité de bien visualiser les clusters. Après la réduction de la dimensionnalité de l'ACP, le KNN final a atteint une précision de classification de plus de 97% dans un espace des caractéristiques de 100 dimensions

Encadrant: ABBAD Khalid - ZENKOUAR Khalid

Jurry: MRABTI Fatiha - DHASI Yasir - ZENKOUAR Khalid - ABBAD Khalid

Lieu de Stage: LSSC