· DJUNGU S. J., Intelligence artificielle et
système expert, DIGITAL-Printer, Kinshasa, 2012.
· MUKE M. Z., La recherche en sciences sociales et
humaines : méthodologie et cas concrets, L'Harmattan, Paris,
2011.
· Chen J. et Lopresti D., «Table Detection in Noisy
Off-Line Handwritten Documents» in IEEE, University
Bethlehem, 2011, pp 399-403.
· Shahab A. et al., An open approach towards the
benchmarking of table structure recognition systems, Kaiserslautern,
2010.
· Kawanaka H. et al., Document Recognition and XML
Generation of Tabular Form Discharge summaries for Analogous case Search
System in Methods of Inf med 6, Mie University, Mie, 2007, pp
700-708.
· Shin J. et Guerette N., «Table Recognition and
Evaluation» in Proceedings of the class of 2005 Senior Conference,
DCSSC, Swarthmore, 2005, pp 8-13.
· Zanibbi R.et al., A Survey of Table Recognition:
Models, Observations, Transformations and Inferences, SC, Queen's
University, Ontario, 2003.
· Hu J. et al., «Medium Independant Table
Detection», in Document Recognition and Retrieval VIII
(IS&T/SPIE Electronic Imaging, 2001, pp. 44 - 55.
· Pereira L. A. et al., Recognition of deteriorated
Table-form Documents: A New Approach, UFCG, Brazil, 2000, p 1.
· Kieninger T. V., «Table Structure Recognition
Based on Robust Block Segmentation» in Proceedings of Document
Recognition, volume V., San Jose, CA, 1998, pp 22-32.
· Laurentini A. et Viada P., «Identifying and
Understanding Tabular material in compound Documents» in
IEEE, Torino, 1992, pp 405-409.
II. TFC, MEMOIRES ET THESES
· ISHARA K. R., La reconnaissance optique de
données numériques, mémoire de fin d'études,
IG/ISP-Bukavu, 2010.
· RANGONI Y., Réseau de neurones dynamique :
application à la reconnaissance de structures logiques des
documents, Thèse, Univ. Nancy2, Nancy, 2007.
· KAMPEMPE K. D., La séparation de l'image et
du fond, TFC, IG/ISP-Bukavu, 2006.
· 
87
MONMARCHE N., Algorithmes de fourmis artificielles :
application à la classification et à l'optimisation,
Thèse, UFR, Tours, 2000.
III. COURS
· Koriche F., Cours d'Intelligence Artificielle :
Apprentissage, Université Montpellier II, Montpellier, 2012.
· ZIULU C.T., Cours de statistique inférentielle,
inédit, G2 IG/ISP Bukavu, 2008-2009
· TOUZET C., les réseaux de neurones artificiels
: introduction au connexionnisme, USTL, Montpellier, 1992.
IV. SITES
·
http://en.wikipedia.org/wiki/Riskfunction,
valide le 08/04/2012 à 20h09'
·
http://www.cim.mcgill.ca/~friggi/bayes/decision/risk.html,
valide le 08/04/2012 à 20h15'
·
http://www.cim.mcgill.ca/%7Efriggi/bayes/decision/
?&usg=ALkJrhiDn1gKh6g9e5FmoLjO6QdzT-EmwQ , valide le
08/04/2012 à 21h15'
·
http://fr.wikipedia.org/wiki/Th%C3%A9or%C3%A8medeBayes,
valide le 08/04/2012 à 20h30'
· http://prisma.insa-lyon.fr/~crobardet
, valide le 09/04/2012 à 13h00'
·
http:// www-igm.univ-
mlv.fr/dr/XPOSE2002/Neurones/index1a56.html?rubrique=Neuronebiologique,
valide le 09/04/2012 à 15h20'.
·
http://fr.wikipedia.org/wiki/R%C3%A9seaudeneurones
, valide le 09/04/2012 à 19h23'
·
http://fr.wikipedia.org/wiki/Perceptron
, valide le 09/04/2012 à 21h50'
