Skip to Main content Skip to Navigation
Theses

Classification ensembliste des séries temporelles multivariées basée sur les M-histogrammes et une approche multi-vues

Résumé : La mesure des différents phénomènes terrestres et l’échange d’informations ont permis l’émergence d’un type de données appelé série temporelle. Celle-ci se caractérise par un grand nombre de points la composant et surtout par des interactions entre ces points. En outre, une série temporelle est dite multivariée lorsque plusieurs mesures sont captées à chaque instant de temps. Bien que l’analyse des séries temporelles univariées, une mesure par instant, soit très développée, l’analyse des séries multivariées reste un challenge ouvert. En effet, il n’est pas possible d’appliquer directement les méthodes univariées sur les données multivariées, car il faut tenir compte des interactions entre séries de mesures.De plus, dans le cadre d’applications industrielles, les séries temporelles ne sont pas composées d’un même nombre de mesures, ce qui complique encore leur analyse. Or les méthodes mises à disposition, aujourd’hui, pour la classification supervisée de ces séries, ne permettent pas de répondre de manière satisfaisante à cette problématique en plus d’une gestion rapide et efficace des données. Cette approche emploie donc un nouvel outil, qui n’a jamais été utilisé dans le domaine de la classification de séries temporelles multivariées, qui est le M-histogramme pour répondre à cette question.Un M-histogramme est à la base une méthode de visualisation sur M axes de la fonction de densité sous-jacente à un échantillon de données. Son utilisation ici permet de produire une nouvelle représentation de nos données afin de mettre en évidence les interactions entre dimensions.Cette recherche de liens entre dimensions correspond aussi tout particulièrement à un sous-domaine d’apprentissage, appelé l’apprentissage multi-vues. Où une vue est une extraction de plusieurs dimensions d’un ensemble de données, de même nature ou type. L’objectif est alors d’exploiter le lien entre ces dimensions afin de mieux classifier les dites données, au travers d’un modèle ensembliste permettant d’agréger les prédictions émises à partir de chaque vue. Dans cette thèse, nous proposons donc une méthode multi-vues ensembliste de M-histogrammes afin de classifier les Séries Temporelles Multivariées (STM). Cela signifie que plusieurs M-histogrammes sont créés à partir de plusieurs vues des STM exploitées. Une prédiction est ensuite réalisée grâce à chaque M-histogramme. Enfin ces prédictions sont ensuite agrégées afin de produire une prédiction finale.Il est montré dans la suite que la méthode ainsi créée est capable de répondre au problème général de la classification supervisée de STM et son efficacité est exposée sur un cas applicatif Michelin.
Document type :
Theses
Complete list of metadatas

Cited literature [27 references]  Display  Hide  Download

https://tel.archives-ouvertes.fr/tel-02502618
Contributor : Abes Star :  Contact
Submitted on : Monday, March 9, 2020 - 1:55:08 PM
Last modification on : Tuesday, March 10, 2020 - 1:40:04 AM
Document(s) archivé(s) le : Wednesday, June 10, 2020 - 3:25:46 PM

File

2019CLFAC047_PLAUD.pdf
Version validated by the jury (STAR)

Identifiers

  • HAL Id : tel-02502618, version 1

Citation

Angéline Plaud. Classification ensembliste des séries temporelles multivariées basée sur les M-histogrammes et une approche multi-vues. Modélisation et simulation. Université Clermont Auvergne, 2019. Français. ⟨NNT : 2019CLFAC047⟩. ⟨tel-02502618⟩

Share

Metrics

Record views

102

Files downloads

72