Academic literature on the topic 'Classification de séries temporelles biomédicales'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Classification de séries temporelles biomédicales.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Journal articles on the topic "Classification de séries temporelles biomédicales"
1
Le Bris, Arnaud, Cyril Wendl, Nesrine Chehata, Anne Puissant, and Tristan Postadjian. "Fusion tardive d'images SPOT-6/7 et de données multi-temporelles Sentinel-2 pour la détection de la tâche urbaine." Revue Française de Photogrammétrie et de Télédétection, no. 217-218 (September 21, 2018): 87–97. http://dx.doi.org/10.52638/rfpt.2018.415.
Full textAbstract:
La fusion d'images multispectrales à très haute résolution spatiale (THR) avec des séries temporelles d'images moins résolues spatialement mais comportant plus de bandes spectrales permet d'améliorer la classification de l'occupation du sol. Elle tire en effet le meilleur parti des points forts géométriques et sémantiques de ces deux sources. Ce travail s'intéresse à un processus d'extraction automatique de la tache urbaine fondé sur la fusion tardive de classifications calculées respectivement à partir d'images satellitaires Sentinel-2 et SPOT-6/7. Ces deux sources sont d'abord classées indépendamment selon 5 classes, respectivement par forêts aléatoires et réseaux de neurones convolutifs. Les résultats sont alors fusionnés afin d'extraire les bâtiments le plus finement possible. Cette étape de fusion inclut une fusion au niveau pixellaire suivie d'une étape de régularisation spatiale intégrant un terme lié au contraste de l'image. Le résultat obtenu connaît ensuite une seconde fusion afin d'en déduire une tache urbaine : une mesure a priori de se trouver en zone urbaine est calculée à partir des objets bâtiments détectés précédemment et est fusionnée avec une classification binaire dérivée de la classification originale des données Sentinel-2.
2
Njutapvoui, Nourdi, RUDANT Jean Paul, and ONGUENE RAPHAEL. "EVALUATION DU POTENTIEL DES SERIES D’IMAGES MULTI-TEMPORELLES OPTIQUE ET RADAR DES SATELLITES SENTINEL 1 & 2 POUR LE SUIVI D’UNE ZONE CÔTIÈRE EN CONTEXTE TROPICAL : CAS DE L’ESTUAIRE DU CAMEROUN POUR LA PÉRIODE 2015-2020." Revue Française de Photogrammétrie et de Télédétection 223 (August 25, 2021): 88–103. http://dx.doi.org/10.52638/rfpt.2021.586.
Full textAbstract:
Ce travail porte sur l’évaluation du potentiel des images multi-temporelles et multi-capteurs (optique et radar) des satellites Sentinel 1 et 2 pour la cartographie de l’occupation du sol et le suivi de l’évolution du trait de côte dans un écosystème tropical sur la période 2015 à 2020. La zone d’étude choisie est l’Estuaire du Cameroun. Cette zone représente un milieu de transition écologique majeur dans la sous-région avec la présence de réserves naturelles protégées (mangroves, forêt dense, zones humides) mais aussi une forte activité anthropique (constructions, agriculture, forêt dégradée). L’approche méthodologique a consisté en une chaine de prétraitements et d’analyses visuelles d’images, suivie d’une combinaison des bandes de chaque capteur, d’une classification supervisée Random Forest pour ébaucher une cartographie de l’occupation du sol et enfin une numérisation du trait de côte. Globalement, les résultats montrent que la classification, avec les images Sentinel 2 en utilisant 10 bandes et en ajoutant 4 indices de végétation, s’avère légèrement plus précise (95.75%) que celle issue des 13 bandes initiales (91.78%). La classification avec les seules images Sentinel 1A double polarisation (VV, VH) conduit à une précision de 78.44%. La combinaison des bandes Sentinel 2A (10 bandes et 4 indices) et Sentinel 1 améliore les résultats et conduit à une précision de 98.76%. Nos résultats montrent aussi que l’utilisation des séries chronologiques d’images multi-temporelles améliore considérablement la précision de classification par rapport à l’usage d’une seule image (mono-date), et cela pour les deux capteurs, soit un gain supplémentaire de 13% et 10% respectivement pour Sentinel-2 et Sentinel-1. Néanmoins ce gain reste faible pour les classes temporellement stables. Les résultats d’analyse de l’évolution du trait de côte montrent que l’estuaire du Cameroun est perturbé selon différents niveaux d’érosion (Cap Cameroun, Partie Nord île Manoka, embouchure de la Sanaga), et d’accrétion (Limbé, et Partie Sud île Manoka) et aussi par de faible variations internes. La fusion des données de télédétection optique et radar dans la discrimination des classes d’occupation du sol, a permis de montrer que les zones de constructions sont les plus vulnérables à l’érosion côtière. Par contre, la présence de la végétation (mangrove, forêt) stabilise et protège la côte d’éventuels risques de cette nature.
3
Dubreuil, Vincent, Damien Arvor, and Nathan Debortoli. "Monitoring the pioneer frontier and agricultural intensification in Mato Grosso using SPOT vegetation images." Revue Française de Photogrammétrie et de Télédétection, no. 200 (April 19, 2014): 2–11. http://dx.doi.org/10.52638/rfpt.2012.56.
Full textAbstract:
La production de soja a augmenté de manière considérable les dix dernières années au Mato Grosso, atteignant 17,9millions de tonnes en 2009 (contre 7,2 en 1998). Une telle expansion a eu de graves conséquences environnementales et socio-économiques, telles que la déforestation et l'urbanisation. L'objectif de cet article est de mettre en avant l'efficacité des techniques de télédétection et des indices qui en découlent, tels que le NDVI, pour analyser l'avancée des champs de soja au Mato Grosso ainsi que la transformation de l'agriculture dans cetÉtat. L'indice NDVI a été calculé à partir de séries mensuelles du capteur SPOT-Vegetation. Il a permis de trouver les zones cultivées et de surveiller la croissance des cultures. Il a aussi permis la détection des pratiques de gestion de double culture, qui se sont drastiquement accrues depuis quelques années. Les résultats ont montré une corrélation de 0,98 entre notre estimation des zones cultivées et les statistiques agricoles officielles de l'IBGE pour l'intégralité du Mato Grosso. Les séries temporelles de NDVI ont également confirmé l'augmentation des systèmes de double culture, représentant 30% des zones cultivées en 1999, 57% en 2006 et 67% en 2009. Cette évolution est un indicateur de la diversification de l'agriculture et de l'intensification des traitements dans cette région. En outre, la surveillance des grandes clairières récentes au niveau local (comté de Vera) a montré une réduction de l'écart entre trois états consécutifs conduisant à l'intensification des pratiques agricoles. En se fondant sur notre méthodologie, nous avons finalement proposé une classification des municipalités selon leurs modes d'usages du sol dominants.
4
Acharki, Siham, Mina Amharref, Pierre-Louis Frison, and Abdes Samed Bernoussi. "CARTOGRAPHIE DES CULTURES DANS LE PÉRIMÈTRE DU LOUKKOS (MAROC) : APPORT DE LA TÉLÉDÉTECTION RADAR ET OPTIQUE." Revue Française de Photogrammétrie et de Télédétection, no. 222 (November 26, 2020): 15–29. http://dx.doi.org/10.52638/rfpt.2020.481.
Full textAbstract:
Dans cet article, nous analysons la possibilité d’amélioration de la classification des cultures dans un périmètre irrigué du nord du Maroc en se basant sur la combinaison des données multi-temporelles de deux satellites (Sentinel-1 et Sentinel-2) avec l’inclusion de neuf indices. Le périmètre concerné (Loukkos), en plus de sa position stratégique, se caractérise par un climat méditerranéen avec une forte valeur écologique. Il présente une intense activité agricole avec une grande diversité des cultures dont le fonctionnement pourrait être affecté par le changement climatique. Afin de quantifier les besoins en eau, nous avons utilisé les séries d’images satellitaires acquises pour la période du 09/2017 au 08/2018. Les cartes produites pour trois niveaux de classification illustrent notre approche. L’étude a montré que les 10 canaux optiques, à 10 et 20 m de résolution spatiale, des données acquises par Sentinel-2 permettent d'obtenir de bonnes performances, avec un indice de kappa > 85% pour les sous-classes et une précision globale > 86%. Ces performances sont supérieures à celles obtenues avec des données radar acquises par Sentinel-1, avec des écarts de F-score inférieurs de 9% en moyenne, et pouvant aller jusqu'à 29% (sur le chêne-liège/Niveau SSC). Ni l'ajout d'indices radiométriques optiques, ni la combinaison des données optiques et radar n'apportent d'amélioration significative aux performances obtenues avec les données Sentinel-2. Afin d’exploiter les données obtenues, les travaux à venir se focaliseraient sur l’étude des profils temporels de chaque type de culture.Mots-clés : Sentinel-1, Sentinel-2, Classification supervisée, Forêt aléatoire, Cultures, Loukkos
5
Granda, Catalina, Luis Guillermo Pérez, and Juan Carlos Muñoz. "The Environmental Kuznets Curve for Water Quality: An Analysis of its Appropriateness Using Unit Root and Cointegration Tests." Lecturas de Economía, no. 69 (February 16, 2009): 221–44. http://dx.doi.org/10.17533/udea.le.n69a744.
Full textAbstract:
La hipótesis de la Curva Ambiental de Kuznets sugiere la existencia una relación en forma de U invertida entre la degradación ambiental y el ingreso. Algunos economistas asumen que el crecimiento económico revertirá los impactos ambientales de las primeras etapas del desarrollo económico. No obstante, Perman y Stern (2003) argumentan que los métodos econométricos empleados en los primeros análisis de la EKC son inapropiados debido a las propiedades temporales de las series. Este artículo analiza la conformidad de la EKC para un panel de 46 países y 21 períodos mediante la implementación de pruebas de raíces unitarias y de cointegración a nivel individual y del panel. También se estima un Vector de Corrección de Errores. Los resultados obtenidos no corroboran la evidencia de una EKC común para el conjunto de países estudiados. Palabras claves: Curva ambiental de Kuznets, crecimiento económico, pruebas de raíz unitaria y cointegración en panel de datos. Clasificación JEL: Q53, Q56, C23 Abstract: The Environmental Kuznets Curve hypothesis suggests the existence of an inverted U-shaped relationship between environmental degradation and income. Several economists assume that the environmental impacts occurred during the first stages of the development process will be reverted as a result of economic growth. Yet Perman and Stern (2003) have argued that the econometric methods used in the earlier analysis of the EKC are inappropriate, given the time properties of the series. This article examines the appropriateness of the EKC for a panel of 46 countries and 21 periods by implementing individual and panel tests for unit roots and cointegration. An error correction model is also estimated. The results do not support evidence of a common EKC for the countries analyzed. Keywords: Environmental Kuznets curve, economic growth, unit root and cointegration tests in panel data. JEL Classification: Q53, Q56, C23 Résumé: L'hypothèse de la Courbe Environnementale de Kuznets (CEK) suggère l'existence d'une relation en U inversé entre la dégradation environnementale et le revenu. Plusieurs économistes estiment que les incidences négatives sur l'environnement qui sont produites pendant les premières étapes du processus de développement économique seront corrigées par les effets positifs de la croissance économique. Pourtant, Perman et Stern (2003) ont remis en cause la validité des méthodes économétriques employées dans les premières études de la CEK sur la base des propriétés des séries temporelles. Cet article examine la pertinence de la CEK en utilisant un panel de 46 pays et de 21 périodes et en conduisant des tests de racine unitaire et de cointégration aussi bien par pays que pour l.ensemble du panel. Un modèle à correction d'erreurs est également estimé. Les résultats ne soutiennent pas l.existence d'une CEK commune aux pays considérés dans le panel. Mots clés : Courbe Environnementale de Kuznets, croissance économique, racine unitaire et test de cointégration dans des données de panel. Classification JEL: Q53, Q56, C23
6
Agudelo Rueda, Diego, and Mónica Arango Arango. "La curva de rendimientos a plazo y las expectativas de tasas de interés en el mercado de renta fija en Colombia, 2002-2007." Lecturas de Economía, no. 68 (November 24, 2008): 39–66. http://dx.doi.org/10.17533/udea.le.n68a264.
Full textAbstract:
¿Cómo se incorporan las expectativas de las tasas de interés en la estructura de tipos de interés en Colombia? Las dos principales teorías propuestas son la Hipótesis de las Expectativas (HE) y la Hipótesis de prima por liquidez (HPL). Este estudio contrasta ambas teorías, tanto para las tasas de los TES como las de los CDTs, empleando modelos econométricos de series de tiempo que se controlan por la persistencia de las tasas y su heterocedasticidad. Los resultados soportan la HPL, consistente con el hecho de que en Colombia las tasas de largo plazo tienden a ser mayores que las de corto plazo. De otro lado, las tasas de largo plazo presentan algún poder predictivo sobre las tasas futuras de corto plazo, consistente con la HE. Palabras claves: Hipótesis de Expectativas, Hipótesis de la prima por liquidez, Estructura temporal de la tasa de interés, Mercado de Capitales, Renta fija. Clasificación JEL: E40, E43. Abstract: How does the yield curve incorporate expectations on the Colombian future short-term interest rates? Two theories have been proposed to explain it: the Expectation Hypothesis and the Liquidity Preference Hypothesis. This paper tests both theories for the TES yield curve as well as for the CDT yield curve, using time-series models that account for the persistence and heteroskedasticity of interest rates. The results support the Liquidity Preference Hypothesis, consistent with the fact that in Colombia long-term rates have been consistently higher than short-term rates. However we found evidence of some predictive power of the long-term rates on the future short term rates, consistent with the Expectation Hypothesis. Keywords: expectations hypothesis, liquidity preference theory, term structure of interest rates, capital markets, fixed income. JEL Classification: E40, E43. Résumé: Comment peut-on considérer les anticipations sur les taux d'intérêts dans la structure des taux d'intérêts en Colombie? Il existe en fait deux approches : celle concernant l'Hypothèse d'Anticipations (HE) et celle concernant l'Hypothèse d'une prime pour la liquidité (HPL). L'objectif de cette étude consiste à contraster ces deux approches à la fois pour les taux associés aux TES (titres de la dette publique) et à la fois pour les taux associés aux CDT's (certificats de dépôts à terme). Pour ce faire, nous avons utilisé des modèles économétriques des séries temporelles lesquels sont contrôlés par la persistance des taxes et par leur heterocedasticité. Les résultats montrent que l'HPL est consistante avec le fait qu'en Colombie les taux à long terme sont plus grands que ceux constatés à court terme. Par ailleurs, les taux à long terme ont un certain pouvoir prémonitoire sur les taxes à court terme attendus dans le futur, ce qui est consistent avec l'HE. Mots clef: hypothèse d'anticipations, hypothèse d'une prime pour la liquidité, structure temporaire du taux d'intérêt, marché des capitaux, revenu fixe. Classification JEL: E40, E43.
7
Bouali, Fatma, Frédéric Plantard, Amina Bouséba, and Gilles Venturini. "Fouille visuelle de données temporelles avec DataTube2." Journal d'Interaction Personne-Système Volume 2 (October 6, 2014). http://dx.doi.org/10.46298/jips.65.
Full textAbstract:
Nous nous intéressons dans cet article à la fouille visuelle de données temporelles, où les données ont été mises sous la forme de n attributs dont les valeurs sont enregistrées pendant k instants. Après un état de l'art sur les différentes approches de visualisation de telles séries, nous présentons plus particulièrement une approche ayant reçue encore peu d'attention ("DataTube"). DataTube place les données dans un tube dont l'axe représente le temps. Nous étendons ensuite cette approche : tout d'abord nous définissons plusieurs modes de visualisations (couleurs, formes, etc) et nous ajoutons un axe temporel. Ensuite nous introduisons des interactions avec la possibilité de sélectionner des attributs et des instants, afficher des données complexes ou encore insérer des annotations sur la visualisation. Nous ajoutons une étape de classification non supervisée afin de regrouper dans la visualisation les attributs similaires. Enfin nous intégrons cette visualisation dans notre plateforme de fouille de données en réalité virtuelle VRMiner, avec un affichage stéréoscopique et des possibilités de navigation interactive. Nous appliquons cette visualisation sur plusieurs ensembles de données réelles et nous montrons qu'elle peut gérer jusqu'à 1,5 million de valeurs. Nous présentons également une évaluation utilisateur.
8
Bailly-Comte, V., B. Ladouche, J. B. Charlier, V. Hakoun, and J. C. Maréchal. "XLKarst, un outil Excel pour l'analyse des séries temporelles, l'analyse des courbes de récession des sources et la classification des aquifères karstiques." Hydrogeology Journal, October 25, 2023. http://dx.doi.org/10.1007/s10040-023-02710-w.
Full textAbstract:
AbstractKarst aquifers are complex hydrogeological systems that require numerous in-situ measurements of hydrological and physico-chemical parameters to characterize transfer processes from the recharge area to the karst spring. Numerous graphical, statistical or signal processing methods have been developed for decades to interpret these measurements, but there is no simple and standardized tool that can be used for this purpose, which is necessary for a rigorous comparison of results between case studies. This Technical Note presents XLKarst, which has been developed to provide a simple and easy-to-use tool to process a selection of proven methods that characterize the functioning of karst systems. This tool allows (i) time series analysis based on correlation and spectral analysis and, for flow measurements, the use of other statistics and base flow separation, (ii) calculation of the cumulative distribution function to build a spring flow probability plot, and (iii) analysis of spring flow recession and expression of the results in a karst system classification scheme. These methods are first described by providing the key elements of their use and interpretation in the scientific literature. Then, an application to the Fontaine de Nîmes karst system (southern France) is used to highlight the complementarity of the methods proposed by XLKarst to describe the hydrodynamic behavior of a karst system based on daily data of rainfall and discharge over 22 years.
Dissertations / Theses on the topic "Classification de séries temporelles biomédicales"
1
Khessiba, Souhir. "Stratégies d’optimisation des hyper-paramètres de réseaux de neurones appliqués aux signaux temporels biomédicaux." Electronic Thesis or Diss., Institut polytechnique de Paris, 2024. http://www.theses.fr/2024IPPAE003.
Full textAbstract:
Cette thèse est axée sur l'optimisation des hyperparamètres des réseaux de neurones à convolution (CNN) dans le domaine médical, proposant une approche innovante visant à améliorer la performance des modèles décisionnels dans le domaine biomédical. Grâce à l'utilisation d'une approche hybride, GS-TPE, pour ajuster efficacement les hyperparamètres des modèles de réseaux de neurones complexes , cette recherche a démontré des améliorations significatives dans la classification des signaux biomédicaux temporels, à savoir les états de vigilance, à partir de signaux physiologiques tels que l'électroencéphalogramme (EEG). De plus, grâce à l'introduction d'une nouvelle architecture de DNN, STGCN, pour la classification de gestes associés à des pathologies telles que l'arthrose du genou et la maladie de Parkinson à partir d'analyses vidéo de la marche, ces travaux offrent de nouvelles perspectives pour l'amélioration du diagnostic et de la prise en charge médicale grâce aux progrès dans le domaine de l'IAThis thesis focuses on optimizing the hyperparameters of convolutional neural networks (CNNs) in the medical domain, proposing an innovative approach to improve the performance of decision-making models in the biomedical field. Through the use of a hybrid approach, GS-TPE, to effectively adjust the hyperparameters of complex neural network models, this research has demonstrated significant improvements in the classification of temporal biomedical signals, such as vigilance states, from physiological signals such as electroencephalogram (EEG). Furthermore, by introducing a new DNN architecture, STGCN, for the classification of gestures associated with pathologies such as knee osteoarthritis and Parkinson's disease from video gait analysis, these works offer new perspectives for enhancing medical diagnosis and management through advancements in artificial intelligence
2
Bailly, Adeline. "Classification de séries temporelles avec applications en télédétection." Thesis, Rennes 2, 2018. http://www.theses.fr/2018REN20021/document.
Full textAbstract:
La classification de séries temporelles a suscité beaucoup d’intérêt au cours des dernières années en raison de ces nombreuses applications. Nous commençons par proposer la méthode Dense Bag-of-Temporal-SIFT-Words (D-BoTSW) qui utilise des descripteurs locaux basés sur la méthode SIFT, adaptés pour les données en une dimension et extraits à intervalles réguliers. Des expériences approfondies montrent que notre méthode D-BoTSW surpassent de façon significative presque tous les classificateurs de référence comparés. Ensuite, nous proposons un nouvel algorithmebasé sur l’algorithme Learning Time Series Shapelets (LTS) que nous appelons Adversarially- Built Shapelets (ABS). Cette méthode est basée sur l’introduction d’exemples adversaires dans le processus d’apprentissage de LTS et elle permet de générer des shapelets plus robustes. Des expériences montrent une amélioration significative de la performance entre l’algorithme de base et notre proposition. En raison du manque de jeux de données labelisés, formatés et disponibles enligne, nous utilisons deux jeux de données appelés TiSeLaC et Brazilian-AmazonTime Series Classification (TSC) has received an important amount of interest over the past years due to many real-life applications. In this PhD, we create new algorithms for TSC, with a particular emphasis on Remote Sensing (RS) time series data. We first propose the Dense Bag-of-Temporal-SIFT-Words (D-BoTSW) method that uses dense local features based on SIFT features for 1D data. Extensive experiments exhibit that D-BoTSW significantly outperforms nearly all compared standalone baseline classifiers. Then, we propose an enhancement of the Learning Time Series Shapelets (LTS) algorithm called Adversarially-Built Shapelets (ABS) based on the introduction of adversarial time series during the learning process. Adversarial time series provide an additional regularization benefit for the shapelets and experiments show a performance improvementbetween the baseline and our proposed framework. Due to the lack of available RS time series datasets,we also present and experiment on two remote sensing time series datasets called TiSeLaCand Brazilian-Amazon
3
Jebreen, Kamel. "Modèles graphiques pour la classification et les séries temporelles." Thesis, Aix-Marseille, 2017. http://www.theses.fr/2017AIXM0248/document.
Full textAbstract:
Dans cette thèse nous nous intéressons aux méthodes de classifications supervisées utilisant les réseaux bayésiens. L'avantage majeur de ces méthodes est qu'elles peuvent prendre en compte les interactions entre les variables explicatives. Dans une première partie nous proposons une procédure de discrétisation spécifique et une procédure de sélection de variables qui permettent d'améliorer considérablement les classifieurs basés sur des réseaux bayésiens. Cette procédure a montré de très bonnes performances empiriques sur un grand choix de jeux de données connus de l’entrepôt d'apprentissage automatique (UCI Machine Learning repository). Une application pour la prévision de type d’épilepsie à partir de de caractéristiques des patients extraites des images de Tomographie par émission de positrons (TEP) confirme l’efficacité de notre approche comparé à des approches communes de classifications supervisées. Dans la deuxième partie de cette thèse nous nous intéressons à la modélisation des interactions entre des variables dans le contexte de séries chronologiques en grande dimension. Nous avons proposé deux nouvelles approches. La première, similaire à la technique "neighborhood Lasso" remplace la technique Lasso par des machines à vecteurs de supports. La deuxième approche est un réseau bayésien restreint: les variables observées à chaque instant et à l’instant précédent sont utilisées dans un réseau dont la structure est restreinte. Nous montrons l’efficacité de ces approches par des simulations utilisant des donnés simulées issues de modèles linéaires, non-linéaires et un mélange des deuxFirst, in this dissertation, we will show that Bayesian networks classifiers are very accurate models when compared to other classical machine learning methods. Discretising input variables often increase the performance of Bayesian networks classifiers, as does a feature selection procedure. Different types of Bayesian networks may be used for supervised classification. We combine such approaches together with feature selection and discretisation to show that such a combination gives rise to powerful classifiers. A large choice of data sets from the UCI machine learning repository are used in our experiments, and the application to Epilepsy type prediction based on PET scan data confirms the efficiency of our approach. Second, in this dissertation we also consider modelling interaction between a set of variables in the context of time series and high dimension. We suggest two approaches; the first is similar to the neighbourhood lasso where the lasso model is replaced by Support Vector Machines (SVMs); the second is a restricted Bayesian network for time series. We demonstrate the efficiency of our approaches simulations using linear and nonlinear data set and a mixture of both
4
Ziat, Ali Yazid. "Apprentissage de représentation pour la prédiction et la classification de séries temporelles." Thesis, Paris 6, 2017. http://www.theses.fr/2017PA066324/document.
Full textAbstract:
Nous nous intéressons au développement de méthodes qui répondent aux difficultés posées par l’analyse des séries temporelles. Nos contributions se focalisent sur deux tâches : la prédiction de séries temporelles et la classification de séries temporelles. Notre première contribution présente une méthode de prédiction et de complétion de séries temporelles multivariées et relationnelles. Le but est d’être capable de prédire simultanément l’évolution d’un ensemble de séries temporelles reliées entre elles selon un graphe, ainsi que de compléter les valeurs manquantes dans ces séries (pouvant correspondre par exemple à une panne d’un capteur pendant un intervalle de temps donné). On se propose d’utiliser des techniques d’apprentissage de représentation pour prédire l’évolution des séries considérées tout en complétant les valeurs manquantes et prenant en compte les relations qu’il peut exister entre elles. Des extensions de ce modèle sont proposées et décrites : d’abord dans le cadre de la prédiction de séries temporelles hétérogènes puis dans le cas de la prédiction de séries temporelles avec une incertitude exprimée. Un modèle de prédiction de séries spatio-temporelles est ensuiteproposé, avec lequel les relations entre les différentes séries peuvent être exprimées de manière plus générale, et où ces dernières peuvent être apprises.Enfin, nous nous intéressons à la classification de séries temporelles. Un modèle d’apprentissage joint de métrique et de classification de séries est proposé et une comparaison expérimentale est menéeThis thesis deals with the development of time series analysis methods. Our contributions focus on two tasks: time series forecasting and classification. Our first contribution presents a method of prediction and completion of multivariate and relational time series. The aim is to be able to simultaneously predict the evolution of a group of time series connected to each other according to a graph, as well as to complete the missing values in these series (which may correspond for example to a failure of a sensor during a given time interval). We propose to use representation learning techniques to forecast the evolution of the series while completing the missing values and taking into account the relationships that may exist between them. Extensions of this model are proposed and described: first in the context of the prediction of heterogeneous time series and then in the case of the prediction of time series with an expressed uncertainty. A prediction model of spatio-temporal series is then proposed, in which the relations between the different series can be expressed more generally, and where these can be learned.Finally, we are interested in the classification of time series. A joint model of metric learning and time-series classification is proposed and an experimental comparison is conducted
5
Dilmi, Mohamed Djallel. "Méthodes de classification des séries temporelles : application à un réseau de pluviomètres." Electronic Thesis or Diss., Sorbonne université, 2019. https://accesdistant.sorbonne-universite.fr/login?url=https://theses-intra.sorbonne-universite.fr/2019SORUS087.pdf.
Full textAbstract:
La question de l’impact du changement climatique sur l’évolution temporelle des précipitations ainsi que l’impact de l’ilot de chaleur parisien sur la répartition spatiale des précipitations motivent l’étude de la variabilité du cycle de l’eau à fine échelle en Île-de-France. Une façon d'analyser cette variabilité en utilisant les données d'un réseau de pluviomètres est d'effectuer une classification sur les séries temporelles mesurées par le réseau. Dans cette thèse, nous avons exploré deux approches pour la classification des séries temporelles : pour la première approche basée sur la description des séries par des caractéristiques, un algorithme de sélection des caractéristiques basé sur les algorithmes génétiques et les cartes topologiques a été proposé. Pour la deuxième approche basée sur la comparaison de formes, une mesure de dissimilarité (Itérative downscaling time warping) a été développée pour comparer deux séries temporelles. Ensuite les limites des deux approches ont été discutées et suivies d'une mise en place d'une approche mixte qui combine les avantages de chaque approche. L’approche a d’abord été appliquée à l’évaluation de la variabilité spatiale des précipitations. Pour l’évaluation de la variabilité temporelle des précipitations, une classification des événements de précipitation observés par une station a été réalisée puis étendue sur l’ensemble du réseau pluviométrique. L’application sur la série historique de Paris-Montsouris (1873-2015) permet de discriminer automatiquement les années « remarquables » d’un point de vue météorologiqueThe impact of climat change on the temporal evolution of precipitation as well as the impact of the Parisian heat island on the spatial distribution of précipitation motivate studying the varaibility of the water cycle on a small scale on île-de-france. one way to analyse this varaibility using the data from a rain gauge network is to perform a clustring on time series measured by this network. In this thesis, we have explored two approaches for time series clustring : for the first approach based on the description of series by characteristics, an algorithm for selecting characteristics based on genetic algorithms and topological maps has been proposed. for the second approach based on shape comparaison, a measure of dissimilarity (iterative downscaling time warping) was developed to compare two rainfall time series. Then the limits of the two approaches were discuddes followed by a proposition of a mixed approach that combine the advantages of each approach. The approach was first applied to the evaluation of spatial variability of precipitation on île-de-france. For the evaluation of the temporal variability of the precpitation, a clustring on the precipitation events observed by a station was carried out then extended on the whole rain gauge network. The application on the historical series of Paris-Montsouris (1873-2015) makes it possible to automatically discriminate "remarkable" years from a meteorological point of view
6
Ziat, Ali Yazid. "Apprentissage de représentation pour la prédiction et la classification de séries temporelles." Electronic Thesis or Diss., Paris 6, 2017. http://www.theses.fr/2017PA066324.
Full textAbstract:
Nous nous intéressons au développement de méthodes qui répondent aux difficultés posées par l’analyse des séries temporelles. Nos contributions se focalisent sur deux tâches : la prédiction de séries temporelles et la classification de séries temporelles. Notre première contribution présente une méthode de prédiction et de complétion de séries temporelles multivariées et relationnelles. Le but est d’être capable de prédire simultanément l’évolution d’un ensemble de séries temporelles reliées entre elles selon un graphe, ainsi que de compléter les valeurs manquantes dans ces séries (pouvant correspondre par exemple à une panne d’un capteur pendant un intervalle de temps donné). On se propose d’utiliser des techniques d’apprentissage de représentation pour prédire l’évolution des séries considérées tout en complétant les valeurs manquantes et prenant en compte les relations qu’il peut exister entre elles. Des extensions de ce modèle sont proposées et décrites : d’abord dans le cadre de la prédiction de séries temporelles hétérogènes puis dans le cas de la prédiction de séries temporelles avec une incertitude exprimée. Un modèle de prédiction de séries spatio-temporelles est ensuiteproposé, avec lequel les relations entre les différentes séries peuvent être exprimées de manière plus générale, et où ces dernières peuvent être apprises.Enfin, nous nous intéressons à la classification de séries temporelles. Un modèle d’apprentissage joint de métrique et de classification de séries est proposé et une comparaison expérimentale est menéeThis thesis deals with the development of time series analysis methods. Our contributions focus on two tasks: time series forecasting and classification. Our first contribution presents a method of prediction and completion of multivariate and relational time series. The aim is to be able to simultaneously predict the evolution of a group of time series connected to each other according to a graph, as well as to complete the missing values in these series (which may correspond for example to a failure of a sensor during a given time interval). We propose to use representation learning techniques to forecast the evolution of the series while completing the missing values and taking into account the relationships that may exist between them. Extensions of this model are proposed and described: first in the context of the prediction of heterogeneous time series and then in the case of the prediction of time series with an expressed uncertainty. A prediction model of spatio-temporal series is then proposed, in which the relations between the different series can be expressed more generally, and where these can be learned.Finally, we are interested in the classification of time series. A joint model of metric learning and time-series classification is proposed and an experimental comparison is conducted
7
Rhéaume, François. "Une méthode de machine à état liquide pour la classification de séries temporelles." Thesis, Université Laval, 2012. http://www.theses.ulaval.ca/2012/28815/28815.pdf.
Full textAbstract:
L'intérêt envers la neuroscience informatique pour les applications d'intelligence arti-
cielle est motivé par plusieurs raisons. Parmi elles se retrouve la rapidité avec laquelle
le domaine evolue, promettant de nouvelles capacités pour l'ingénieur. Dans cette
thèse, une méthode exploitant les récents avancements en neuroscience informatique est
présentée: la machine à état liquide (\liquid state machine"). Une machine à état liquide
est un modèle de calcul de données inspiré de la biologie qui permet l'apprentissage
sur des
ux de données. Le modèle représente un outil prometteur de reconnaissance
de formes temporelles. Déjà, il a démontré de bons résultats dans plusieurs applications.
En particulier, la reconnaissance de formes temporelles est un problème d'intérêt
dans les applications militaires de surveillance telle que la reconnaissance automatique
de cibles. Jusqu'à maintenant, la plupart des machines à état liquide crées pour des
problèmes de reconnaissance de formes sont demeurées semblables au modèle original.
D'un point de vue ingénierie, une question se dégage: comment les machines à
état liquide peuvent-elles être adaptées pour améliorer leur aptitude à solutionner des
problèmes de reconnaissance de formes temporelles ? Des solutions sont proposées. La
première solution suggèrée se concentre sur l'échantillonnage de l'état du liquide. À ce
sujet, une méthode qui exploite les composantes fréquentielles du potentiel sur les neurones
est définie. La combinaison de différents types de vecteurs d'état du liquide est
aussi discutée. Deuxièmement, une méthode pour entrâner le liquide est développée.
La méthode utilise la plasticité synaptique à modulation temporelle relative pour modeler
le liquide. Une nouvelle approche conditionnée par classe de données est proposée,
où différents réseaux de neurones sont entraînés exclusivement sur des classes particuli
ères de données. Concernant cette nouvelle approche ainsi que celle concernant
l'échantillonnage du liquide, des tests comparatifs ont été effectués avec l'aide de jeux
de données simulées et réelles. Les tests permettent de constater que les méthodes
présentées surpassent les méthodes conventionnelles de machine à état liquide en termes
de taux de reconnaissance. Les résultats sont encore plus encourageants par le
fait qu'ils ont été obtenus sans l'optimisation de plusieurs paramètres internes pour les
differents jeux de données testés. Finalement, des métriques de l'état du liquide ont été
investiguées pour la prédiction de la performance d'une machine à état liquide.There are a number of reasons that motivate the interest in computational neuroscience for engineering applications of artificial intelligence. Among them is the speed at which the domain is growing and evolving, promising further capabilities for artificial intelligent systems. In this thesis, a method that exploits the recent advances in computational neuroscience is presented: the liquid state machine. A liquid state machine is a biologically inspired computational model that aims at learning on input stimuli. The model constitutes a promising temporal pattern recognition tool and has shown to perform very well in many applications. In particular, temporal pattern recognition is a problem of interest in military surveillance applications such as automatic target recognition. Until now, most of the liquid state machine implementations for spatiotemporal pattern recognition have remained fairly similar to the original model. From an engineering perspective, a challenge is to adapt liquid state machines to increase their ability for solving practical temporal pattern recognition problems. Solutions are proposed. The first one concentrates on the sampling of the liquid state. In this subject, a method that exploits frequency features of neurons is defined. The combination of different liquid state vectors is also discussed. Secondly, a method for training the liquid is developed. The method implements synaptic spike-timing dependent plasticity to shape the liquid. A new class-conditional approach is proposed, where different networks of neurons are trained exclusively on particular classes of input data. For the suggested liquid sampling methods and the liquid training method, comparative tests were conducted with both simulated and real data sets from different application areas. The tests reveal that the methods outperform the conventional liquid state machine approach. The methods are even more promising in that the results are obtained without optimization of many internal parameters for the different data sets. Finally, measures of the liquid state are investigated for predicting the performance of the liquid state machine.
8
Petitjean, François. "Dynamic time warping : apports théoriques pour l'analyse de données temporelles : application à la classification de séries temporelles d'images satellites." Thesis, Strasbourg, 2012. http://www.theses.fr/2012STRAD023.
Full textAbstract:
Les séries temporelles d’images satellites (STIS) sont des données cruciales pour l’observation de la terre. Les séries temporelles actuelles sont soit des séries à haute résolution temporelle (Spot-Végétation, MODIS), soit des séries à haute résolution spatiale (Landsat). Dans les années à venir, les séries temporelles d’images satellites à hautes résolutions spatiale et temporelle vont être produites par le programme Sentinel de l’ESA. Afin de traiter efficacement ces immenses quantités de données qui vont être produites (par exemple, Sentinel-2 couvrira la surface de la terre tous les cinq jours, avec des résolutions spatiales allant de 10m à 60m et disposera de 13 bandes spectrales), de nouvelles méthodes ont besoin d’être développées. Cette thèse se focalise sur la comparaison des profils d’évolution radiométrique, et plus précisément la mesure de similarité « Dynamic Time Warping », qui constitue un outil permettant d’exploiter la structuration temporelle des séries d’images satellitesSatellite Image Time Series are becoming increasingly available and will continue to do so in the coming years thanks to the launch of space missions, which aim at providing a coverage of the Earth every few days with high spatial resolution (ESA’s Sentinel program). In the case of optical imagery, it will be possible to produce land use and cover change maps with detailed nomenclatures. However, due to meteorological phenomena, such as clouds, these time series will become irregular in terms of temporal sampling. In order to consistently handle the huge amount of information that will be produced (for instance, Sentinel-2 will cover the entire Earth’s surface every five days, with 10m to 60m spatial resolution and 13 spectral bands), new methods have to be developed. This Ph.D. thesis focuses on the “Dynamic Time Warping” similarity measure, which is able to take the most of the temporal structure of the data, in order to provide an efficient and relevant analysis of the remotely observed phenomena
9
Benkabou, Seif-Eddine. "Détection d’anomalies dans les séries temporelles : application aux masses de données sur les pneumatiques." Thesis, Lyon, 2018. http://www.theses.fr/2018LYSE1046/document.
Full textAbstract:
La détection d'anomalies est une tâche cruciale qui a suscité l'intérêt de plusieurs travaux de recherche dans les communautés d'apprentissage automatique et fouille de données. La complexité de cette tâche dépend de la nature des données, de la disponibilité de leur étiquetage et du cadre applicatif dont elles s'inscrivent. Dans le cadre de cette thèse, nous nous intéressons à cette problématique pour les données complexes et particulièrement pour les séries temporelles uni et multi-variées. Le terme "anomalie" peut désigner une observation qui s'écarte des autres observations au point d'éveiller des soupçons. De façon plus générale, la problématique sous-jacente (aussi appelée détection de nouveautés ou détection des valeurs aberrantes) vise à identifier, dans un ensemble de données, celles qui différent significativement des autres, qui ne se conforment pas à un "comportement attendu" (à définir ou à apprendre automatiquement), et qui indiquent un processus de génération différent. Les motifs "anormaux" ainsi détectés se traduisent souvent par de l'information critique. Nous nous focalisons plus précisément sur deux aspects particuliers de la détection d'anomalies à partir de séries temporelles dans un mode non-supervisé. Le premier est global et consiste à ressortir des séries relativement anormales par rapport une base entière. Le second est dit contextuel et vise à détecter localement, les points anormaux par rapport à la structure de la série étudiée. Pour ce faire, nous proposons des approches d'optimisation à base de clustering pondéré et de déformation temporelle pour la détection globale ; et des mécanismes à base de modélisation matricielle pour la détection contextuelle. Enfin, nous présentons une série d'études empiriques sur des données publiques pour valider les approches proposées et les comparer avec d'autres approches connues dans la littérature. De plus, une validation expérimentale est fournie sur un problème réel, concernant la détection de séries de prix aberrants sur les pneumatiques, pour répondre aux besoins exprimés par le partenaire industriel de cette thèseAnomaly detection is a crucial task that has attracted the interest of several research studies in machine learning and data mining communities. The complexity of this task depends on the nature of the data, the availability of their labeling and the application framework on which they depend. As part of this thesis, we address this problem for complex data and particularly for uni and multivariate time series. The term "anomaly" can refer to an observation that deviates from other observations so as to arouse suspicion that it was generated by a different generation process. More generally, the underlying problem (also called novelty detection or outlier detection) aims to identify, in a set of data, those which differ significantly from others, which do not conform to an "expected behavior" (which could be defined or learned), and which indicate a different mechanism. The "abnormal" patterns thus detected often result in critical information. We focus specifically on two particular aspects of anomaly detection from time series in an unsupervised fashion. The first is global and consists in detecting abnormal time series compared to an entire database, whereas the second one is called contextual and aims to detect locally, the abnormal points with respect to the global structure of the relevant time series. To this end, we propose an optimization approaches based on weighted clustering and the warping time for global detection ; and matrix-based modeling for the contextual detection. Finally, we present several empirical studies on public data to validate the proposed approaches and compare them with other known approaches in the literature. In addition, an experimental validation is provided on a real problem, concerning the detection of outlier price time series on the tyre data, to meet the needs expressed by, LIZEO, the industrial partner of this thesis
10
Varasteh, Yazdi Saeed. "Représentations parcimonieuses et apprentissage de dictionnaires pour la classification et le clustering de séries temporelles." Thesis, Université Grenoble Alpes (ComUE), 2018. http://www.theses.fr/2018GREAM062/document.
Full textAbstract:
L'apprentissage de dictionnaires à partir de données temporelles est un problème fondamental pour l’extraction de caractéristiques temporelles latentes, la révélation de primitives saillantes et la représentation de données temporelles complexes. Cette thèse porte sur l’apprentissage de dictionnaires pour la représentation parcimonieuse de séries temporelles. On s’intéresse à l’apprentissage de représentations pour la reconstruction, la classification et le clustering de séries temporelles sous des transformations de distortions temporelles. Nous proposons de nouveaux modèles invariants aux distortions temporelles.La première partie du travail porte sur l’apprentissage de dictionnaire pour des tâches de reconstruction et de classification de séries temporelles. Nous avons proposé un modèle TWI-OMP (Time-Warp Invariant Orthogonal Matching Pursuit) invariant aux distorsions temporelles, basé sur un opérateur de maximisation du cosinus entre des séries temporelles. Nous avons ensuite introduit le concept d’atomes jumelés (sibling atomes) et avons proposé une approche d’apprentissage de dictionnaires TWI-kSVD étendant la méthode kSVD à des séries temporelles.Dans la seconde partie du travail, nous nous sommes intéressés à l’apprentissage de dictionnaires pour le clustering de séries temporelles. Nous avons proposé une formalisation du problème et une solution TWI-DLCLUST par descente de gradient.Les modèles proposés sont évalués au travers plusieurs jeux de données publiques et réelles puis comparés aux approches majeures de l’état de l’art. Les expériences conduites et les résultats obtenus montrent l’intérêt des modèles d’apprentissage de représentations proposés pour la classification et le clustering de séries temporellesLearning dictionary for sparse representing time series is an important issue to extract latent temporal features, reveal salient primitives and sparsely represent complex temporal data. This thesis addresses the sparse coding and dictionary learning problem for time series classification and clustering under time warp. For that, we propose a time warp invariant sparse coding and dictionary learning framework where both input samples and atoms define time series of different lengths that involve varying delays.In the first part, we formalize an L0 sparse coding problem and propose a time warp invariant orthogonal matching pursuit based on a new cosine maximization time warp operator. For the dictionary learning stage, a non linear time warp invariant kSVD (TWI-kSVD) is proposed. Thanks to a rotation transformation between each atom and its sibling atoms, a singular value decomposition is used to jointly approximate the coefficients and update the dictionary, similar to the standard kSVD. In the second part, a time warp invariant dictionary learning for time series clustering is formalized and a gradient descent solution is proposed.The proposed methods are confronted to major shift invariant, convolved and kernel dictionary learning methods on several public and real temporal data. The conducted experiments show the potential of the proposed frameworks to efficiently sparse represent, classify and cluster time series under time warp
Book chapters on the topic "Classification de séries temporelles biomédicales"
1
DUMITRU, Corneliu Octavian, and Mihai DATCU. "Analyse sémantique de séries chronologiques d’images satellitaires." In Détection de changements et analyse des séries temporelles d’images 2, 99–123. ISTE Group, 2024. http://dx.doi.org/10.51926/iste.9057.ch3.
Full textAbstract:
Ce chapitre propose une analyse du besoin de sémantique descriptive pour les séries chronologiques issues de l’observation de la Terre par télédétection. Il propose un état de l’art des métriques, des mesures de similarités, des méthodes d’extraction de caractéristiques spécifiques à la classification des séries chronologiques d’images de télédétection.
2
MOLINIER, Matthieu, Jukka MIETTINEN, Dino IENCO, Shi QIU, and Zhe ZHU. "Analyse de séries chronologiques d’images satellitaires optiques pour des applications environnementales." In Détection de changements et analyse des séries temporelles d’images 2, 125–74. ISTE Group, 2024. http://dx.doi.org/10.51926/iste.9057.ch4.
Full textAbstract:
Ce chapitre traite des méthodes d’analyse de séries chronologiques denses en télédétection. Il présente les principales exigences en termes de prétraitements des données, puis un aperçu des quatre principaux axes en détection de changement basée sur l'analyse de séries chronologiques denses : carte de classification, classification de trajectoire, frontières statistiques et approches d'ensemble. Il fournit aussi les détails sur deux des algorithmes les plus largement utilisés dans ce contexte d’analyse. Il aborde également la question de l'apprentissage profond pour la télédétection, en détaillant trois types d'architectures de réseau adaptées à l'analyse de séries chronologiques d'images satellitaires : les réseaux de neurones récurrents, les réseaux de neurones convolutifs et les modèles hybrides combinant ces deux derniers modèles de réseau.
3
HEDHLI, Ihsen, Gabriele MOSER, Sebastiano B. SERPICO, and Josiane ZERUBIA. "Champs de Markov et séries chronologiques d’images multicapteurs et multirésolution." In Détection de changements et analyse des séries temporelles d’images 2, 5–39. ISTE Group, 2024. http://dx.doi.org/10.51926/iste.9057.ch1.
Full textAbstract:
Ce chapitre traite le problème de la génération d'une carte de classification à partir d'images de télédétection. Il propose une approche d’analyse basée sur plusieurs quad-arbres en cascade pour résoudre le problème difficile de la fusion multicapteur, multifréquence et multirésolution, à des fins de classification de séries chronologiques d’images.
4
PELLETIER, Charlotte, and Silvia VALERO. "Techniques de classification basées sur les pixels pour les séries chronologiques d’images satellitaires." In Détection de changements et analyse des séries temporelles d’images 2, 41–98. ISTE Group, 2024. http://dx.doi.org/10.51926/iste.9057.ch2.
Full textAbstract:
Au cours des dernières années, les stratégies de classification basées sur l’apprentissage profond ont permis de générer automatiquement des caractéristiques pertinentes pour la description d’informations numériques à partir de données très hétérogènes. Ce chapitre traite de la classification des séries chronologiques d’images de télédétection en présentant un aperçu des algorithmes de classification supervisée proposés dans la littérature. Il se concentre sur les méthodes opérant au niveau « pixel », c’est-à-dire sans prendre en compte le contexte spatial englobant le pixel considéré.
5
ATTO, Abdourrahmane M., Héla HADHRI, Flavien VERNIER, and Emmanuel TROUVÉ. "Apprentissage multiclasse multi-étiquette de changements d’état à partir de séries chronologiques d’images." In Détection de changements et analyse des séries temporelles d’images 2, 247–71. ISTE Group, 2024. http://dx.doi.org/10.51926/iste.9057.ch6.
Full textAbstract:
Ce chapitre étudie les capacités de généralisation d’une bibliothèque de réseaux de neurones convolutifs pour la classification d’états de surface terrestre dans le temps, avec une granularité variable sur la nature des états. L’ensemble de données utilisé pour réaliser cette étude est constitué d'images à sémantique descriptible au sens de propriétés géophysiques et des impacts des conditions météorologiques en zone de glaciers.
6
ZANETTI, Massimo, Francesca BOVOLO, and Lorenzo BRUZZONE. "Statistiques par différences pour les changements multispectraux." In Détection de changements et analyse des séries temporelles d’images 1, 247–303. ISTE Group, 2022. http://dx.doi.org/10.51926/iste.9056.ch9.
Full textAbstract:
Dans ce chapitre, nous introduisons deux modèles statistiques pour la description de la distribution des vecteurs de différences spectrales, et nous en tirons des méthodes de détection de changements basées sur une différence d'images. Le chapitre introduit d'abord le modèle standard à deux classes inchangé/changé pour la classification binaire. Lorsqu'on considère les informations de module, le modèle à deux classes peut être décrit par un mélange de distributions Rayleigh-Rice. L'estimation de paramètres de ce mélange est une tâche non triviale car ce modèle est non conventionnel. Par conséquent, une version de l'algorithme espérance-maximisation (EM), qui est adaptée spécifiquement au mélange Rayleigh-Rice, est présentée. Le chapitre propose alors une généralisation du modèle à deux classes inchangé/changé au cas multiclasse.