Academic literature on the topic 'Méthode des k plus proches voisins'

Dans le domaine de la prévision des débits, une grande variété de méthodes sont disponibles: des modèles stochastiques et conceptuels mais aussi des approches plus novatrices telles que les réseaux de neurones artificiels, les modèles à base de règles floues, la méthode des k plus proches voisins, la régression floue et les splines de régression. Après avoir effectué une revue détaillée de ces méthodes et de leurs applications récentes, nous proposons une classification qui permet de mettre en lumière les différences mais aussi les ressemblances entre ces approches. Elles sont ensuite comparées pour les problèmes différents de la prévision à court, moyen et long terme. Les recommandations que nous effectuons varient aussi avec le niveau d'information a priori. Par exemple, lorsque l'on dispose de séries chronologiques stationnaires de longue durée, nous recommandons l'emploi de la méthode non paramétrique des k plus proches voisins pour les prévisions à court et moyen terme. Au contraire, pour la prévision à plus long terme à partir d'un nombre restreint d'observations, nous suggérons l'emploi d'un modèle conceptuel couplé à un modèle météorologique basé sur l'historique. Bien que l'emphase soit mise sur le problème de la prévision des débits, une grande partie de cette revue, principalement celle traitant des modèles empiriques, est aussi pertinente pour la prévision d'autres variables.

Le lait n’est pas tout à fait un aliment comme les autres puisqu’il est aussi produit par l’Homme. Cet aliment est indispensable à l’alimentation de l’enfant, car sa richesse nutritionnelle combinée à sa forme liquide en font une ration « tout en un » du jeune pendant ses premières semaines de vie. L’homme a très tôt domestiqué d’autres mammifères pour produire cet aliment nécessaire pour le jeune et l’a aussi intégré dans l’alimentation de l’adulte sous forme native ou après transformation. De fait, le lait est un des rares produits animaux avec l’oeuf qui est produit régulièrement et qu’il est possible d’obtenir sans tuer l’animal. Sa production fait pleinement partie de la fonction de reproduction et son prélèvement doit être géré pour ne pas handicaper le développement du jeune animal qui est également un élément d’avenir dans l’élevage. Les vaches laitières ont longtemps bénéficié de noms très personnalisés, voire de prénoms, jusqu’à ce que la traçabilité ne vienne proposer des identifiants plus proches du matricule de la sécurité sociale que des petits noms affectueux utilisés jusqu’alors. La traite est un moment particulier où l’éleveur se substitue au jeune pour prélever le lait plusieurs fois par jour. Tout ceci fait traditionnellement de l’élevage laitier un élevage qui associe étroitement l’homme et l’animal. Au commencement de la domestication et pendant longtemps, le principal défaut du lait a résidé dans sa faible aptitude à la conservation, nécessitant une consommation plutôt locale, le temps entre production et consommation devant rester le plus court possible. De fait, le développement de sa consommation dans les villes est récent et ne s’est pas fait sans quelques soucis (Fanica 2008). Bien entendu, les évolutions de l’industrie laitière et des transports ont permis de franchir ce double cap de la conservation et des distances, faisant en quelques décennies d’un produit local du peuple d’un terroir, riche d’identité, d’histoire et de culture (Faye et al 2010), un produit générique du commerce mondial qui s’échange entre continents suivant les règles de l’organisation mondiale du commerce et dont la demande augmente régulièrement. Ce passage du local au mondial ne s’effectue pas sans des changements radicaux des modes de production et de l’organisation des filières, avec des conséquences parfois importantes sur les territoires. La production de lait en France, pays traditionnel d’élevage bovin laitier, illustre parfaitement cette évolution et se trouve aujourd’hui à une période charnière. Riche d’une grande diversité de terroirs et de produits, la production française présente un profil original dont on ne sait pas aujourd’hui si c’est une force ou une faiblesse dans cette évolution. Depuis 1984, le système des quotas laitiers liés à la terre et non commercialisables en France a ralenti, comparativement aux pays voisins, l’évolution vers une spécialisation et une intensification des systèmes de production laitiers, mais il disparaîtra en 2015. Le contexte économique des prix des matières premières et du prix du lait devient beaucoup plus instable que par le passé. Le métier d’éleveur laitier, avec sa complexité, sa charge de travail importante, ses astreintes et la diminution de sa rémunération, devient moins attractif. La nécessaire prise en compte de l’impact de l’élevage sur l’environnement et plus globalement de la durabilité, constitue un nouveau défi qui est souvent vécu comme une contrainte supplémentaire. Cependant, les connaissances scientifiques et technologiques ont beaucoup progressé et offrent de nouveaux outils à l’élevage laitier pour construire une trajectoire originale dans cette évolution. Ce numéro spécial d’INRA Productions Animales se propose donc en quelques articles de faire un état des lieux des connaissances concernant la production laitière, ainsi que des nouveaux défis et des nouveaux outils qui s’offrent à la filière pour construire son avenir. Ce panorama n’est volontairement pas exhaustif et traitera prioritairement des vaches laitières avec cependant, lorsqu’il est apparu nécessaire, quelques exemples tirés de travaux réalisés chez les caprins. De même, il ne s’agit pas ici d’aborder la transformation du lait et les évolutions des nombreux produits transformés. Mais nous avons cherché à présenter un point sur un certain nombre de sujets en mettant en avant les avancées récentes et les défis scientifiques, techniques, économiques et organisationnels qui concernent la production laitière, en quatre grandes parties. La première plantera tout d’abord le décor du secteur laitier français. La deuxième présentera les nouvelles avancées des travaux sur la femelle laitière, la lactation et le lait. La troisième analysera les différents leviers que constituent la sélection génétique, la gestion de la santé, l’alimentation et la traite, pour mieux maîtriser la production de lait en élevage. Enfin, la dernière partie abordera des questions plus spécifiques concernant les systèmes d’élevage et leur futur. Le premier article de V. Chatellier et al fournit une analyse à la fois du bilan et des perspectives du secteur laitier français. Après une analyse du marché des produits laitiers au travers de la demande et de l’offre et des grandes stratégies des acteurs de la filière, cet article présente les spécificités françaises des exploitations laitières liées en particulier à la diversité des systèmes de production et des territoires. Cette double diversité se traduit également dans les écarts de productivité et des résultats économiques des exploitations dont la main-d’oeuvre reste majoritairement familiale, avec la question de son renouvellement qui se pose différemment selon les territoires. Enfin, à l’aune des changements importants de contexte qui se préparent avec la fin des quotas et les nouvelles relations qui se mettent en place entre producteurs et transformateurs, les auteurs étudient les différents scénarios qui en découlent et qui conduiront à l’écriture du futur du secteur laitier français dans les territoires et le marché mondial. La série d’articles sur l’animal et le lait débute par une approche systémique de l’animal laitier. La vache laitière est d’abord perçue au travers de sa fonction de production, et les modèles de prévision de la lactation se sont longtemps focalisés sur cette seule fonction. La notion d’animaux plus robustes et d’élevages plus durables (cf. Dossier « Robustesse... », Sauvant et Perez 2010) amène à revisiter cet angle d’approche pour l’élargir à ensemble des fonctions physiologiques en prenant mieux en compte les interactions entre les génotypes animaux et leurs environnements. La modélisation aborde cette complexité de deux façons contrastées, l’une plutôt ascendante en partant des mécanismes élémentaires et en les agrégeant, l’autre plutôt descendante, en partant de grandes propriétés émergeantes des principales fonctions et de leurs interactions, voire de leur compétition dans l’accès aux ressources nutritionnelles. La revue de Friggens et al aborde ainsi la question de la dynamique de partition des nutriments entre fonction physiologiques chez les vaches laitières en fonction du génotype en présentant plusieurs approches de modélisation. Cette revue s’attache à montrer l’intérêt de partir des propriétés émergeantes pour arriver à modéliser les réponses complexes (production, reproduction, composition du lait, état corporel…) d’une vache soumise à différentes conduites d’élevage au cours de sa carrière. Les outils de demain qui permettront d’optimiser la conduited’élevage face aux aléas économiques et climatiques dépendront de l’avancée de ces modèles et des connaissances scientifiques qui les sous-tendent. La fonction de lactation est la conséquence de nombreux mécanismes à l’échelle de l’animal, tout particulièrement au niveau de la glande mammaire. Le développement et le fonctionnement de cet organe caractérisé par sa cyclicité ont fait l’objet de nombreux travaux à l’Inra et dans de nombreuses équipes de recherches internationales. Il ne s’agissait pas ici de relater l’ensemble de ces travaux mais de consacrer un article aux dernières connaissances acquises sur les mécanismes de biosynthèse et de sécrétion des constituants du lait. L’article de Leroux et al présente les travaux sur la régulation de l’expression génique dans la glande mammaire avec un intérêt particulier pour les données acquises avec les nouveaux outils d’études globales de génomique expressionnelle. Ceux-ci apportent de nouvelles connaissances sur les effets des facteurs génétiques sur la biosynthèse et la sécrétion du lait, sur leur régulation nutritionnelle et sur l’interaction de ces facteurs. Ce dernier point constitue un champ d’investigation supplémentaire pour décrypter les secrets du fonctionnement mammaire avec notamment l’intervention de nouveaux acteurs que sont les petits ARN non codants (ou microARN) qui vient encore accroître la complexité du fonctionnement mammaire dans son rôle prépondérant lors de la lactation. Après avoir fait cet état des lieux des connaissances sur la biosynthèse et la sécrétion des constituants du lait au niveau de la glande mammaire, l’article de Léonil et al présente la complexité des fractions protéique et lipidique du lait et de leur assemblage en structures supramoléculaires. Ces structures finales sont sous la dépendance de la nature et de la variabilité des constituants, ellesmêmes dues aux polymorphismes des gènes responsables de leur synthèse. Ainsi, les auteurs font un état des lieux des connaissances sur la structure et le polymorphisme des gènes spécifiant les protéines coagulables du lait que sont les caséines pour arriver à l’organisation de ces dernières en micelles. Le rôle nutritionnel de ces protéines majeures du lait et leur fonction biologique sont revisitées à la lumière des connaissances croissantes sur les peptides bioactifs qu’elles contiennent. La fraction lipidique n’est pas en reste avec la présentation de sa complexité et de son organisation sous forme de globule gras ainsi que de son impact nutritionnel sur le consommateur. Enfin, la découverte récente, dans le lait, de petites particules (ou exosomes) véhiculant des protéines et des ARN ouvre de nouvelle voies d’investigation de l’impact du lait sur la santé du consommateur. La série d’articles consacrée aux leviers d’action dont disposent les éleveurs pour moduler la production laitière ainsi que la composition du lait débute par l’article de Brochard et al, qui retrace l’impact de la sélection génétique pour arriver aux apports de la sélection génomique des races bovines laitières. Un bref historique de la sélection génétique présente les progrès réalisés sur les caractères de production laitière mais aussi sur des caractères de robustesse (fertilité, mammites…) et permet ainsi de dresser le décor génétique des élevages français. L’avènement des outils de génomique grâce au séquençage du génome bovin a conduit à renouveler les perspectives de sélection des bovins laitiers (cf. Numéro spécial, «amélioration génétique" Mulsant et al 2011). La présentation brève de ces outils permet de mieux appréhender les retombées attendues. Les opportunités offertes par la sélection génomique sur les caractères laitiers sensu stricto se complètent et permettent également de proposer une sélection sur de nouveaux caractères. En effet, la prise en compte progressive d’autres caractères oriente la sélection vers une complexité accrue notamment grâce à l’établissement de nouvelles mesures phénotypiques. L’évolution vers une meilleure robustesse, une efficacité alimentaire optimisée mais aussi une empreinte environnementale réduite, sera d’autant plus envisageable que la sélection pourra s’appuyer sur des capacités de phénotypage de plus en plus fin et à grande échelle. Un autre facteur prépondérant dans l’élevage laitier concerne la gestion de la santé animale qui affecte, notamment, la durabilité des élevages sous l’angle socio-économique. Cette gestion complexe doit prendre en compte de nombreux paramètres tel que le nombre des traitements nécessaires, le temps passé, les pertes économiques directes à court et long terme, etc. Les infections ne touchent pas toutes directement la glande mammaire, mais en affectant l’animal, elles impactent la lactation, l’efficacité de production du troupeau et donc l’élevage. L’article de Seegers et al passe en revue sept maladies majeures classées en trois groupes affectant les bovins laitiers. Il présente les connaissances récentes acquises sur ces maladies et les perspectives qu’elles ouvrent pour mieux les maîtriser. Ces maladies ont bien souvent un impact économique fort sur les élevages et/ou sont transmissibles à l’Homme constituant ainsi des questionnements de recherche forts et pour lesquels les moyens d’actions sont aussi multiples que variés. De plus, les attentes sociétales visent à diminuer, autant que faire se peut, les intrants médicamenteux. L’alimentation est un levier de maîtrise de la production et de la composition du lait qui présente l’avantage d’avoir des effets rapides et réversibles. Bien que ce levier puisse également moduler la composition protéique du lait, l’impact prépondérant de l’alimentation sur la composition en acides gras du lait, dans le but de fournir aux consommateurs une qualité nutritionnelle du lait la plus favorable possible, a été mis en exergue par de nombreuses études. La détermination de la composition en acides gras des laits est de plus en plus précise, notamment du fait des nouvelles techniques qui permettent une meilleure caractérisation de ces profils. Outre l’impact de l’alimentation, les effets des apports nutritionnels chez le ruminant sur les teneurs en composés vitaminiques du lait sont également à prendre en compte dans la perspective de l’utilisation du lait comme source complémentaire naturelle de vitamines chez les sujets présentant une efficacité d’absorption réduite (tel que les jeunes ou à l’inverse les personnes âgées). L’article de Ferlay et al recense les principaux facteurs alimentaires (nature de la ration de base, supplémentation oléagineuse, différents types de suppléments lipidiques et leurs interactions) influençant la composition en acides gras et en vitamines du lait de vache. Enfin, la traite constitue un outil supplémentaire de pilotage des troupeaux en termes de production laitière mais aussi de qualité sanitaire, technologique et nutritionnelle du lait. De plus, une meilleure connaissance des effets des différentes pratiques de traite est cruciale dans le contexte actuel de gestion du travail dans les exploitations laitières (cf. Numéro spécial, « Travail en élevage », Hostiou et al 2012). Les moyens mis en oeuvre se situent à différents niveaux allant de la fréquence de traite aux systèmes de stockage des laits en passant par les réglages possibles ou les types de machines à traire. L’article de Guinard-Flament et al fait le point des connaissances actuelles sur les effets et les conséquences de modifications de la conduite des animaux à la traite. Il présente les effets de la fréquence de traite sur le niveau de production laitière et sur la composition du lait. Le contexte de la traite, avec les effets mécaniques de la machine à traire et celui du système de stockage, est également présenté dans ses multiples facettes pour souligner leur rôle prépondérant sur la qualité microbienne des laits. La conduite des vaches à la traite est également un moyen de gestion de la carrière d’une vache laitière à travers le pilotage de certaines phases du cycle de production (effets sur la reproduction et sur la durée de la lactation et leurs conséquences sur la santé de l’animal...). La dimension des systèmes d’élevage est dominée ces dernières années par la question environnementale, notamment depuis la parution du rapport de la FAO « Livestock’s long shadow » (Steinfeld et al 2006). L’élevage laitier, très consommateur de ressources de qualité, est concerné au premier rang par ce défi environnemental. Mais ces enjeux, peu perceptibles à l’échelle de l’élevage pourtant à l’origine de ces risques, sont difficiles à intégrer dans les objectifs des systèmes de production. L’article de Dollé et al sur les impacts environnementaux des systèmes bovins laitiers français apporte de nombreux éléments quantifiés sur les émissions des éléments à risque pour l’environnement par les élevages laitiers. Ces risques concernent bien entendu la qualité de l’eau, notamment via les excrétions d’azote et de phosphore, ce qui est connu depuis longtemps avec leurs impacts sur l’eutrophisation des cours d’eau et des côtes. Les risques liés à la qualité de l’air ont été pris en compte beaucoup plus récemment et concernent principalement les émissions d’ammoniac pouvant affecter la santé humaine et des gaz à effet de serre responsables du réchauffement climatique (cf. Dossier, « Gaz à effet de serre en élevage bovin : le méthane », Doreau et al 2011). Ensuite, l’article aborde la question de la biodiversité, auxiliaire de l’agriculture et des paysages, où l’élevage joue un rôle central au sein des territoires agricoles. L’article aborde pour finir la question de la quantification de ces impacts afin d’améliorer objectivement les performances environnementales des élevages et montre que performances environnementales et économiques en élevage laitier ne sont pas antinomiques. En guise de conclusion de ce numéro, J.L. Peyraud et K. Duhem se sont prêtés à un exercice d’analyse prospective des élevages laitiers et du lait de demain en reprenant certains des constats de l’article introductif, notamment sur la diversité des systèmes et des territoires, la restructuration rapide de la filière et la reconstruction du métier d’éleveur. La filière devra demain affronter la tension entre l’amélioration de la compétitivité et celle de la durabilité de l’élevage en tirant profit des innovations. La meilleure prise en compte des qualités nutritionnelles des produits et de l’évolution des demandes tout en améliorant l’intégration de l’élevage au sein des territoires constitue un double défi pour résoudre cette tension. L’analyse des auteurs prône cependant un maintien de la diversité et la complémentarité des systèmes dans une diversité de territoires pour mieux répondre aux enjeux de la société et des éleveurs. Ce numéro spécial montre combien la filière laitière est aujourd’hui plus que jamais à la croisée des chemins avec des défis économiques et sociétaux difficiles à relever dans un climat de plus en plus incertain. Entre diversité d'une part, et spécialisation et standardisation d'autre part, le chemin de la filière française reste complexe à définir. Les nombreuses évolutions des connaissances scientifiques permettent de disposer à court ou moyen terme de nouveaux outils pour relever ces défis. La sélection génomique pour disposer des animaux les plus adaptés à leur système, les modèles de prévision pour anticiper les aléas et leurs conséquences, les outils d’évaluation environnementale pour maîtriser les risques, les outils de monitoring et d’information des troupeaux d’élevage pour améliorer les conditions de travail et l’efficience des troupeaux, les possibilités de piloter la qualité des produits par les conduites d’élevage et en particulier l’alimentation, une meilleure connaissance des mécanismes de régulation de la lactation, la découverte de la richesse des constituants du lait et de leurs propriétés nutritionnelles et fonctionnelles sont autant d’atouts pour la filière pour affronter ces défis. A travers les articles de ce numéro, nous avons voulu illustrer quelques un de ces défis et des perspectives offertes par la recherche. L’enjeu sera de les mobiliser à bon escient dans le cadre de stratégies cohérentes. Cela nécessitera la collaboration de tous les acteurs de la recherche, de la formation, du développement et de la filière. A leur niveau, les articles de ce numéro, par les nombreuses signatures communes entre chercheurs, enseignants-chercheurs et ingénieurs de recherche-développement, témoignent de la vitalité des unités mixtes de recherche et des unités mixtes thématiques impliquées dans l’élevage laitier. De même, bon nombre de travaux relatés dans les articles de ce numéro sont le fruit de programmes de recherche co-financés et menés en collaboration étroite entre la recherche, les instituts technique et la filière. Nous y voyons un fort signe positif pour l'avenir de l'élevage laitier en France Cet avant-propos ne saurait s’achever sans remercier René Baumont et le comité de rédaction d’Inra Productions Animales pour l’initiative judicieuse de ce numéro spécial, mais aussi pour nous avoir aidés à mener à bien ce projet comprenant de nombreux auteurs, qui ont bien voulu se prêter à l’exercice difficile de la rédaction d’un article de synthèse qui conjugue la rigueur de l’information scientifique avec l’exigence de la rendre accessible à un large public. Ce numéro doit beaucoup aussi aux relectures constructives de nombreux collègues que nous remercions ici anonymement. Enfin, cet ouvrage doit aussi sa qualité à un travail remarquable d’édition technique assuré par Pascale Béraudque nous associons à ces remerciements. Nous avons eu la primeur de ces articles et nous espérons que vous partagerez l’intérêt que nous avons eu à leur lecture à la fois instructive, enrichissante et propice à nourrir notre réflexion pour le futur de la recherche-développement dans le domaine de l’élevage bovin laitier.Philippe FAVERDIN, Christine LEROUX RéférencesDoreau M., Baumont R., Perez J.M., (Eds) 2011. Dossier, Gaz à effet de serre en élevage bovin : le méthane. INRA Prod. Anim., 24, 411-474. Fanica P.O., 2008. Le lait, la vache et le citadin. Du XVIIe au XXe siècle. Editions Quae, Paris, France,520p. Faye B., Bonnet P., Corniaux C., Duteurtre G., 2010. Peuples du lait. Editions Quae, Paris France, 160p. Hostiou N., Dedieu B., Baumont R., (Eds) 2012. Numéro spécial, Travail en élevage. INRA Prod. Anim., 25, 83-220. Mulsant P., Bodin L., Coudurier B., Deretz S., Le Roy P., Quillet E., Perez J.M., (Eds) 2011. Numéro spécial, Amélioration génétique. INRA Prod. Anim., 24, 283-404. Sauvant D., Perez J.M., (Eds) 2010. Dossier, Robustesse, rusticité, flexibilité, plasticité, résilience… les nouveaux critères de qualité des animaux et des systèmes d'élevage. INRA Prod. Anim., 23, 1-102. Steinfeld H., Gerber P., Wassenaar T., Castel V., Rosales M., de Haan C., 2006. Livestock's long shadow: environmental issues and options. Food and Agriculture Organization of the United Nations,414p.

International audience Although human face recognition is a hard topic due to many parameters involved (e.g. variability of the position, lighting, hairstyle, existence of glasses, beard, moustaches, wrinkles...), it becomes of increasing interest in numerous application fields (personal identification, video watch, man machine interfaces...). In this work, we present WHO_IS, a system for person identification based on face recognition. A geometric model of the face is definedfrom a set of characteristic points which are extracted from the face image. The identification consists in calculating the K nearest neighbors of the individual test by using the City-Block distance. The system is tested on a sample of 100 people with a success rate of 86 %. Bien que la reconnaissance des visages humains soit un domaine difficile à cause de la multitude des paramètres qu'il faut prendre en compte (variation de posture, éclairage, style de coiffure, port de lunettes, de barbes, de moustaches, vieillesse…), il est très important de s'en intéresser vu les nombreux champs d'applications (vérification de personnes, télésurveillance, interfaces homme-machine …). Dans ce travail nous présentons la mise en œuvre de WHO_IS, un système d'identification de personnes par reconnaissance des visages humains. Nous avons développé un modèle géométrique du visage basé sur un ensemble de points caractéristiques extraits à partir de l'image du visage. La procédure d'identification consiste à calculer les K plus proches voisins de l'individu test dans le sens de la distance City-Block. Le système WHO_IS a été testé sur un échantillon de 100 personnes. Un taux de reconnaissance correcte de 86% a été obtenu

La classification multi-label est une extension de la classification traditionnelle dans laquelle les classes ne sont pas mutuellement exclusives, chaque individu pouvant appartenir à plusieurs classes simultanément. Ce type de classification est requis par un grand nombre d’applications actuelles telles que la classification d’images et l’annotation de vidéos. Le principal objectif de cette thèse est la proposition de nouvelles méthodes pour répondre au problème de classification multi-label. La première partie de cette thèse s’intéresse au problème d’apprentissage multi-label dans le cadre des fonctions de croyance. Nous développons une méthode capable de tenir compte des corrélations entre les différentes classes et de classer les individus en utilisant le formalisme de représentation de l’incertitude pour les variables multi-valuées. La deuxième partie aborde le problème de l’édition des bases d’apprentissage pour la classification multi-label. Nous proposons un algorithme basé sur l’approche des k-plus proches voisins qui permet de détecter les exemples erronés dans l’ensemble d’apprentissage. Des expérimentations menées sur des jeux de données synthétiques et réelles montrent l’intérêt des approches étudiées
Multi-label classification is an extension of traditional single-label classification, where classes are not mutually exclusive, and each example can be assigned by several classes simultaneously . It is encountered in various modern applications such as scene classification and video annotation. the main objective of this thesis is the development of new techniques to adress the problem of multi-label classification that achieves promising classification performance. the first part of this manuscript studies the problem of multi-label classification in the context of the theory of belief functions. We propose a multi-label learning method that is able to take into account relationships between labels ant to classify new instances using the formalism of representation of uncertainty for set-valued variables. The second part deals withe the problem of prototype selection in the framework of multi-label learning. We propose an editing algorithm based on the k-nearest neighbor rule in order to purify training dataset and improve the performances of multi-label classification algorithms. Experimental results on synthetic and real-world datasets show the effectiveness of our approaches

Notre travail est consacré à la méthode des plus proches voisins, en tant qu'outil d'analyse de la dispersion spatiale, et à sa généralisation multidimensionnelle. Analyser la dispersion d'individus placés dans un domaine-plan est un problème classique des biologistes, des géographes, des économistes ou de l'analyse d'image. Pour ce faire, la méthode des plus proches voisins utilise un échantillon de distances entre un point pris au hasard dans le plan et le plus proche individu d'ordre k. Le modèle de référence est le modèle au hasard, dont le rejet peut se faire en direction d'un modèle régulier, ou d'un modèle agrégatif (agrégativité vraie ou hétérogénéité). A la suite d'une introduction qui formalise la notion de dispersion spatiale, nous étudions les statistiques de distances sous les hypothèses de dispersion évoquées. Le problème du choix de la taille des agrégats, lors de la construction du modèle d'agrégativité vraie, nous a amené à construire un modèle général de loi discrète, fondé sur la notion de loi récurrente, qui intègre les lois usuelles, et qui soit stable par translation et troncature. Puis nous nous intéressons à la mise en oeuvre de la méthode, de la constitution d'un échantillon de distances, aux procédures de test et d'estimation. Enfin, nous procédons à la généralisation multi dimensionnelle des résultats obtenus, et nous abordons divers problèmes, tels que la prise en compte exacte des effets des bords du domaine, ou le recours à une métrique de Minkowski. Nous montrons alors l'intérêt de nos résultats pour la méthode des plus proches voisins utilisée en classification, avec les plus proches voisins réciproques, et en reconnaissance des formes, à travers l'étude de la complexité des algorithmes de recherche de plus proches voisins

Le but de ce travail concerne la classification automatique de données par analyse de la fonction de densité de probabilité sous-jacente à la distribution des observations disponibles. Cette fonction de densité de probabilité est estimée par la méthode des k plus proches voisins. Toutefois, cette technique est très pénalisante au niveau des temps de calcul et un algorithme d'estimation rapide est proposé. Il est scindé en deux étapes distinctes, à savoir : l'ordonnancement des voisins puis l'estimation de la fonction de densité de probabilité proprement dite. Cette fonction estimée est ensuite soumise à un filtrage de type médian, à pondération binaire, qui permet de faire ressortir les noyaux des classes en présence. Après étiquetage itératif de ces noyaux, les observations sont assignées au noyau le plus proche. Une seconde approche proposée dans ce mémoire consiste non plus à détecter les noyaux des classes mais leurs contours. Pour cela un nouvel opérateur de détection de contours a été développé pour extraire les contours des classes. Après étiquetage itératif de ces contours, les observations sont assignées au contour le plus proche. L'application de ces procédures de classification sur des échantillons multidimensionnels met en évidence l'intérêt d'introduire les notions de voisinages de taille variable pour l'estimation, le filtrage et l'étiquetage des données multidimensionnelles

La classification non supervisée a pour objectif de définir dans un ensemble de données des classes permettant de caractériser la structure interne des données. C’est une technique très utile dans de nombreux domaines technologiques comme en diagnostic des systèmes complexes (pour la mise en évidence de modes de fonctionnement) et en vision par ordinateur (pour la segmentation d'image). Les méthodes traditionnelles de la classification non supervisée présentent plusieurs problèmes en pratique, par exemple, la nécessité de préfixer le nombre de classes, le manque de stratégie appropriée pour le réglage de paramètres et la difficulté de valider le résultat obtenu. Dans cette thèse nous tentons d'apporter une solution à ces problèmes en développant une nouvelle approche basée sur la notion des K plus proches voisins. Alliant la détection de mode et la recherche de graphe reflétant la proximité des données, cette approche identifie d'abord les centres de classe, puis construit une classe autour de chaque centre. Elle n'emploie aucune connaissance a priori sur les données et ne possède qu'un seul paramètre. Une stratégie de réglage de ce paramètre a été établie après une étude théorique et une analyse expérimentale. L’idée est de rechercher la stabilité du résultat de classification. Des tests présentés dans ce mémoire montrent une bonne performance de l'approche proposée ; elle est libre d'hypothèse sur la nature des données, relativement robuste et facile à utiliser

Les performances des algorithmes d'apprentissage automatique dépendent de la métrique utilisée pour comparer deux objets, et beaucoup de travaux ont montré qu'il était préférable d'apprendre une métrique à partir des données plutôt que se reposer sur une métrique simple fondée sur la matrice identité. Ces résultats ont fourni la base au domaine maintenant qualifié d'apprentissage de métrique. Toutefois, dans ce domaine, la très grande majorité des développements concerne l'apprentissage de distances. Toutefois, dans certaines situations, il est préférable d'utiliser des similarités (par exemple le cosinus) que des distances. Il est donc important, dans ces situations, d'apprendre correctement les métriques à la base des mesures de similarité. Il n'existe pas à notre connaissance de travaux complets sur le sujet, et c'est une des motivations de cette thèse. Dans le cas des systèmes de filtrage d'information où le but est d'affecter un flot de documents à un ou plusieurs thèmes prédéfinis et où peu d'information de supervision est disponible, des seuils peuvent être appris pour améliorer les mesures de similarité standard telles que le cosinus. L'apprentissage de tels seuils représente le premier pas vers un apprentissage complet des mesures de similarité. Nous avons utilisé cette stratégie au cours des campagnes CLEF INFILE 2008 et 2009, en proposant des versions en ligne et batch de nos algorithmes. Cependant, dans le cas où l'on dispose de suffisamment d'information de supervision, comme en catégorisation, il est préférable d'apprendre des métriques complètes, et pas seulement des seuils. Nous avons développé plusieurs algorithmes qui visent à ce but dans le cadre de la catégorisation à base de k plus proches voisins. Nous avons tout d'abord développé un algorithme, SiLA, qui permet d'apprendre des similarités non contraintes (c'est-à-dire que la mesure peut être symétrique ou non). SiLA est une extension du perceptron par vote et permet d'apprendre des similarités qui généralisent le cosinus, ou les coefficients de Dice ou de Jaccard. Nous avons ensuite comparé SiLA avec RELIEF, un algorithme standard de re-pondération d'attributs, dont le but n'est pas sans lien avec l'apprentissage de métrique. En effet, il a récemment été suggéré par Sun et Wu que RELIEF pouvait être considéré comme un algorithme d'apprentissage de métrique avec pour fonction objectif une approximation de la fonction de perte 0-1. Nous montrons ici que cette approximation est relativement mauvaise et peut être avantageusement remplacée par une autre, qui conduit à un algorithme dont les performances sont meilleurs. Nous nous sommes enfin intéressés à une extension directe du cosinus, extension définie comme la forme normalisée d'un produit scalaire dans un espace projeté. Ce travail a donné lieu à l'algorithme gCosLA. Nous avons testé tous nos algorithmes sur plusieurs bases de données. Un test statistique, le s-test, est utilisé pour déterminer si les différences entre résultats sont significatives ou non. gCosLA est l'algorithme qui a fourni les meilleurs résultats. De plus, SiLA et gCosLA se comparent avantageusement à plusieurs algorithmes standard, ce qui illustre leur bien fondé.

Les tailles des bases d’images ont connu une croissance rapide. Elles peuvent se chiffrer actuellement en millions d’objets ce qui nécessite l’utilisation d’un système de recherche d’images par le contenu. Un tel système consiste tout d’abord en la description automatique des images de la base. Les propriétés visuelles de chaque image sont représentées sous forme de vecteurs multidimensionnels appelés descripteurs. Ensuite, trouver les images similaires à une image requête revient à chercher pour chaque descripteur de l’image requête les descripteurs les plus proches. Dans ce travail de thèse nous proposons une nouvelle méthode d’indexation de bases multidimensionnelles avec une évolution de l’algorithme de recherche de plus proches voisins. L’originalité de notre index multidimensionnel est la création de formes englobantes évitant le chevauchement. En effet, le chevauchement est l’un des principaux inconvénients qui ralentissent la recherche de plus proches voisins. Le nouvel index créé et son algorithme de recherche spécifique permettent d’accélérer la recherche de plus proches voisins tout en effectuant une recherche à l’exact. La méthode que nous avons conçue a été intégrée et évaluée dans un système réel de recherche d’images par le contenu. Les résultats des expérimentations effectuées montrent sa robustesse en termes de précision et de rapidité en temps de recherche
The increasing of image databases requires the use of a content-based image retrieval system (CBIR). A such system consist first to describe automatically the images, visual properties of each image are represented as multidimensional vectors called descriptors. Next, finding similar images to the query image is achieved by searching for the nearest neighbors of each descriptor of the query image. In this thesis, we propose a new method for indexing multidimensional bases with the search algorithm of nearest neighbors adapted. The originality of our multidimensional index is the disposition of the bounding forms avoiding overlapping. Indeed, the overlapping is one of the main drawbacks that slow the search of nearest neighbors search. Our index with its search algorithm speeds the nearest neighbors search while doing an exact search. Our method has been integrated and tested within a real content-based image system. The results of tests carried out show the robustness of our method in terms of accuracy and speed in search time

L'indexation et la recherche efficiente de données complexes constitue un besoin croissant face à la taille et à la variété des bases de données actuelles. Nous proposons une structure d'index arborescent basée sur un partitionnement d'un espace métrique à base de boules et d'hyper-plans. Les performances de cet index sont évaluées expérimentalement sur des collections de complexités intrinsèques différentes. La parallélisation de l'algorithme de recherche des k plus proches voisins est également effectuée afin d'encore améliorer les performances.

Cette these s'inscrit dans le cadre de la statistique non parametrique et porte sur la classification et la discrimination en grande dimension, et plus particulierement sur la selection de variables. Une premiere partie traite de la selection de variables a travers cart, dans un cadre de regression et de classification binaire. La procedure exhaustive developpee s'appuie sur le principe de la selection de modele qui permet d'obtenir des inegalites " oracle " et de realiser une selection de variables par contraste penalise. Une seconde partie est motivee par un probleme industriel. Il s'agit de determiner parmi les signaux temporels, mesures au cours d'essais, ceux capables d'expliquer le ressenti de confort du conducteur, puis de definir les plages temporelles responsables de cette pertinence. La demarche adoptee s'articule autour du pretraitement des signaux, de la reduction de la dimension par compression dans une base d'ondelettes et de l'extraction de variables en melant cart a une strategie pas a pas. Une derniere partie aborde le theme de la classification de donnees fonctionnelles au moyen des k-plus proches voisins. La procedure consiste a appliquer les k-plus proches voisins sur les coordonnees de la projection des donnees fonctionnelles sur un espace fini-dimensionnel. Cette procedure implique de determiner simultanement la dimension de l'espace de projection et le nombre de voisins. La version usuelle des k-plus proches voisins et une version legerement penalisee sont considerees theoriquement. Un travail sur donnees reelles et simulees semble montrer que l'introduction d'un faible terme de penalite stabilise la selection en conservant de bonnes performances
This thesis deals with nonparametric statistics and is related to classification and discrimination in high dimension, and more particularly on variable selection. A first part is devoted to variable selection through cart, both the regression and binary classification frameworks. The proposed exhaustive procedure is based on model selection which leads to “oracle” inequalities and allows to perform variable selection by penalized empirical contrast. A second part is motivated by an industrial problem. It consists of determining among the temporal signals, measured during experiments, those able to explain the subjective drivability, and then to define the ranges responsible for this relevance. The adopted methodology is articulated around the preprocessing of the signals, dimensionality reduction by compression using a common wavelet basis and selection of useful variables involving cart and a strategy step by step. A last part deals with functional data classification with k-nearest neighbors. The procedure consists of applying k-nearest neighbors on the coordinates of the projections of the data on a suitable chosen finite dimesional space. The procedure involves selecting simultaneously the space dimension and the number of neighbors. The traditional version of k-nearest neighbors and a slightly penalized version are theoretically considered. A study on real and simulated data shows that the introduction of a small penalty term stabilizes the selection while preserving good performance

La première partie discute le rôle de la règle fondamentale des K plus proches voisins, et des règles étendues, en reconnaissance statistique des formes. La seconde partie présente les principes de la théorie des sous-ensembles flous, et leurs applications en classification automatique. L'algorithme propose, dont la description fait l'objet de la troisième partie, repose sur l'étiquetage flou des individus au moyen d'une fonction d'appartenance. Des résultats obtenus sur des données simulées sont présentes dans la quatrième partie. La cinquième partie est consacrée à l'étude d'un exemple d'application: la détection du défaut de jeu excessif du système soupape-culbuteur sur un moteur diesel.