Literatura académica sobre el tema "Informations manquantes"

La métropole de Lyon s’est fixé pour objectif de reconstituer l’ensemble des dates de pose et des matériaux des conduites d’assainissement de son patrimoine. Cette communication présente les résultats de plusieurs années de travail soutenues par l’agence de l’eau Rhône Méditerranée Corse. Pour la reconstitution, deux axes de recherches sont privilégiés, ils sont inspirés des résultats du projet de recherche Hireau. Le premier axe porte sur l’implémentation de méthodes statistiques (apprentissage machine) pour reconstituer les informations manquantes à partir de données connues sur le patrimoine. L’approche a été adaptée au jeu de données lyonnais et fournit des estimations des dates de pose et des matériaux des réseaux d’assainissement. Un travail d’optimisation a ensuite permis d’améliorer la prédiction grâce à une augmentation de la précision et du rappel (proportion d’éléments correctement retournés parmi ceux qui existent) pour le matériau, et une réduction de la plage d’estimation pour la date de pose. Le deuxième axe porte sur l’utilisation de connaissances provenant de sources multiples. L’exploitation des données supplémentaires, comme les rapports d’inspections télévisées, permet d’obtenir directement le matériau de la conduite. La création de scripts de propagation d’information sous contrainte par parcours de graphes a également permis de renseigner des années de poses manquantes. Nous proposons dans cette communication de rendre compte des démarches mises en œuvre, et des résultats obtenus. L’objectif étant d’inciter d’autres collectivités à obtenir ces informations essentielles pour la gestion de leur patrimoine.

RÉSUMÉGrâce à cet ouvrage, Stone marque unpas vers l'élaboration d'une politique nationale sur les conflits entre travail et famille. Ce document comporte des données de base qui présentent, de manière préliminaire, le profil des personnes confrontées à des conflits graves entre travail et famille, les circonstances qui les y ont amenees et le contexte dans lequel elles se trouvent. Le livre différencie ainsi entre ceux qui doivent s'occuper d'enfants et ceux qui ont des parents à leur charge. L'assimilation de toutes ces données soulève de nombreuses questions et souligne le besoin d'entreprendre des recherches plus approfondies dans ce domaine. Par conséquent, bien que les données soient trop générates pour définir des politiques claires, elles mettent en valeur les informations déjà disponibles, à travers les études nationales, et qui se révèlent utiles pour le débat visant à la création d'un équilibre entre travail et famille au Canada. Elles révèlent aussi, par contraste, les informations manquantes qu'il faudra recueillir.

Introduction : A Madagascar, on assiste actuellement à une nette augmentation de la prévalence de l'hypertension artérielle (HTA)et de ses complications. Le but de cette étudeétait d’évaluer le niveau de connaissances des patients hypertendus en matière d’HTA,de connaitre le terme HTA et ses complications ainsi que la valeur tensionnelle cible sous traitement avant l’éducation thérapeutique. Méthodes : Nous avons mené une étude transversale et descriptive des patients hypertendus vus au centre hospitalier de Soavinandriana(CENHOSOA) du mois d’août 2015 à août 2016, soit 13 mois. Résultats : Au final, 346 patients ont été sélectionnés avec un âge moyen de 57,19 11,47 ans. Parmi eux, 61,56 % étaient des femmes; 33,8 % étaient scolarisés; 61,16 % étaient pris en charge et 75,36 % étaient mariés. Dans notre série, 78,32 % des patients ont déclaré connaître le terme d’HTA, pourtant 32,47 % seulement ont répondu exactement aux valeurs de la définition de l’HTA. Sur les 87,54 % des patients informés par leur médecin sur l'HTA, seuls 33,5 % connaissaient la définition exacte. Les 66,76 % des patients surveillaient régulièrement leur HTA, et 53,8 % consultaient leur médecin en cas d’élévation de la pression artérielle.Conclusion : Notre étude montre qu'il existe de nombreuses informations manquantes sur l'HTA chez les patients hypertendus et que bon nombre d'entre eux ne suivaient pas les recommandations en matière de gestion de l’HTA.

Très souvent, les services techniques ne disposent que du plan du réseau d'assainissement sans le profil en long. Or les cotes radiers sont nécessaires aux simulations hydrauliques effectuées, par exemple, lors des études diagnostic. Pour pallier ce manque, les bureaux d'étude effectuent généralement un relevé sommaire et interpolent linéairement les cotes radier manquantes. Cette interpolation linéaire peut être la source d'erreurs importantes. Nous proposons donc dans cet article une nouvelle méthode d'interpolation permettant de minimiser ces erreurs. Cette méthode utilise trois types d'informations : les données connues, les contraintes et les critères. Les données connues correspondent aux informations disponibles quant au réseau. Les contraintes sont les règles constructives auxquelles tout réseau d'assainissement doit se conformer. Les critères sont les règles d'optimisation construites à partir d'observations sur des réseaux réels. Pour résoudre ce problème d'optimisation sous contraintes, nous utilisons des algorithmes génétiques parce que ces derniers sont capables de travailler avec un grand nombre de variables, des nombres réels et des fonctions non-linéaires. Des tests ont été effectués sur les réseaux des villes d'Annequin, de Bapaume et de Lyon. Dans tous les cas (tronçons longs ou courts, pente forte ou faible), les résultats obtenus avec notre méthode sont meilleurs que ceux obtenus avec la classique interpolation linéaire. Il est même possible de déterminer la présence de contre-pente.

Cet article présente les principes retenus pour élaborer le module de prévision de la valeur d’un aliment à partir des résultats de son analyse. Le module PrévAlim, proposé avec la nouvelle version d’INRAtion, permet de calculer à la fois la valeur nutritive (UF, PDI) et pour les fourrages la valeur d’encombrement (UE) à partir de la nature de l’aliment et de la mesure de certaines de ces caractéristiques. Pour la valeur nutritive, une démarche séquentielle a été adoptée, centrée sur l’estimation de la dMO et de la dégradabilité de l’azote (DT) ; le calcul des valeurs UF et PDI utilise ensuite la séquence des équations des systèmes INRA 1988. L’estimation de la dMO se fait soit préférentiellement à partir de la méthode de digestibilité enzymatique pepsine-cellulase (dCs ou dCo), soit à partir de la composition chimique ou de l’âge de la plante. L’estimation de la DT et de la valeur PDI des concentrés est basée sur la méthode enzymatique avec une protéase (DE1). La valeur d’encombrement des fourrages est calculée à partir de l’ingestibilité estimée directement à partir de la composition chimique ou de la dMO ; les équations par grandes classes d’aliments ont été déterminées sur la base des Tables INRA 1988. Ce module rassemble, coordonne et met à jour des outils déjà disponibles (Tables de prévision de 1981 et équations publiées depuis) et des outils créés spécialement (estimation des UE). Les valeurs calculées (UF, PDI et UE) sont cohérentes entre elles ainsi qu’avec celles des Tables. L’approche hiérarchisée adoptée permet de calculer les valeurs même avec des informations manquantes et de retenir la méthode d’évaluation la plus pertinente en cas d’informations redondantes.

Approcher l’exhaustivité reste l’objectif idéal de tout inventaire ; cependant la difficulté de réaliser des échantillonnages d’espèces sub-complets est appelée à s’accroître à mesure que se présentent des groupes taxonomiques plus difficiles à traiter (par exemple la plupart des groupes de micro-invertébrés) et que, par ailleurs, de multiples priorités d’investigations viennent entrer en concurrence. Pour autant, exploités de manière appropriée, les échantillonnages incomplets peuvent en dire plus qu’il ne semblerait au premier abord, et il apparaît possible d’en tirer un meilleur parti sous réserve de pouvoir réaliser des extrapolations numériques fiables. D’ailleurs, les outils adaptés à l’exploitation dans ce sens des échantillonnages incomplets ne manquent pas et pêchent même plutôt par la diversité des solutions proposées et, corrélativement, par la disparité des résultats auxquels elles conduisent. Heureusement, la mise en évidence récente de contraintes mathématiques restreignant les formulations acceptables de la Courbe d’Accumulation des Espèces au fil de l’accroissement de taille de l’échantillon permet désormais de faire une sélection efficace parmi les différentes solutions proposées, en faveur de l’extrapolation la plus fiable. Il devient ainsi possible (i) d’estimer avec une assez bonne exactitude le nombre d’espèces manquantes ayant échappé à l’échantillonnage et, partant, le niveau de richesse spécifique totale de l’ensemble inventorié ; (ii) d’extrapoler utilement la cinétique (progressivement ralentie) avec laquelle de nouvelles espèces viendraient s’ajouter à la liste déjà acquise par l’échantillonnage en cours, si celui-ci devait être poursuivi. Ceci permettant, du coup, de jauger objectivement le gain à attendre en termes de nouvelles espèces inventoriées, en fonction de l’effort d’échantillonnage supplémentaire à consentir. Toutes informations essentielles pour décider rationnellement de l’opportunité, soit de poursuivre, soit d’interrompre un échantillonnage en cours, compte tenu (i) du ratio gain attendu/ effort additionnel requis, (ii) du degré d’incomplétude de l’échantillon en cours (vis-à-vis de la richesse spécifique totale estimée), (iii) de la concomitance possible (et même courante) de priorités d’inventaires concurrentes, soit en d’autres sites, soit en faveur d’autres groupes taxonomiques. On illustre ici la mise en oeuvre de la procédure proposée d’extrapolation de la courbe d’accumulation des espèces permettant de «prolonger » numériquement l’échantillonnage déjà réalisé en considérant un récent inventaire de la faune cécidogène au sein du Parc National des Écrins. Cet inventaire rassemble les échantillonnages, inévitablement plus ou moins partiels, consacrés à chacun des quatre principaux ordres d’arthropodes cécidogènes : Acariens Trombidiformes, Hémiptères, Diptères, Hyménoptères.

Présentés comme un chaînon manquant entre la police et les travailleurs sociaux hors murs, les correspondants de nuit sont apparus récemment en Suisse romande. La présente étude, menée dans deux lieux urbains, décrit l’imbrication du travail de ces acteurs de la rue. Elle permet de montrer que l’arrivée des seconds a engendré des questions sur leur légitimité par rapport aux premiers, déjà présents, tant du point de vue de leurs activités (l’animation de projets) que des espace investis (les quartiers). Elle indique également qu’un certain nombre d’activités permettent de dessiner des frontières professionnelles entre les deux types d’acteurs, notamment en regard de la manière différente d’échanger les informations ou d’interagir avec la police. Enfin, elle met en évidence que chaque dispositif relève d’une logique locale, les acteurs entretenant des relations apaisées dans la ville périphérique alors que leur collaboration s’avère plus tendue dans la ville centrale. Ainsi, les frontières professionnelles demeurent floues entre les deux groupes d’acteurs tandis que le processus de professionnalisation de leur travail est en cours.

Problématisation. En Europe, 20 % des femmes de 15 à 49 ans ayant déjà été mariées ou en couple ont subi au moins une fois dans leur vie des violences physiques et/ou sexuelles de la part d’un partenaire intime. Le site internet declicviolence.fr est un site d’aide au repérage et à la prise en charge des violences conjugales en médecine générale ; utilisable en consultation. Créé à Clermont-Ferrand, quatre médecins généralistes auvergnats (équipe DéclicViolence) travaillent à le pérenniser et à le développer. La rencontre entre cette équipe et des universitaires de médecine générale d’autres départements universitaires de médecine générale (DUMG) travaillant également sur la thématique des violences a permis de monter un projet ayant pour objectif de rendre nationale la carte interactive du site qui recense les structures impliquées dans la prise en charge des violences conjugales. Mise en oeuvre. La cartographie des différents départements a majoritairement été réalisée par des étudiants de 3e cycle (E3C) de médecine générale de 19 DUMG dans le cadre de leur thèse d’exercice. Le recrutement des E3C et des directeurs de thèses s’est fait par bouche-àoreille, mailing, communications orales en congrès. Le recensement des services et structures d’accueil de femmes victimes de violences a suivi une trame standardisée. 302 structures et référents ont été répertoriées dans 64 départements. Bilan. Ce projet de cartographie a permis d’améliorer un site internet utile en pratique quotidienne pour les médecins généralistes, de créer un réseau de recherche centré sur une thématique ainsi qu’un groupe de travail du Collège de médecine générale. Perspectives. D’autres travaux pourraient venir compléter la cartographie des départements manquants. Des pistes sont à explorer afin de garder pérennes les informations de la carte interactive. Un travail de coordination est nécessaire pour que le réseau de recherche reste actif. Conclusion. Ce projet reflète l’intérêt majeur de connaître les thématiques de recherche des autres chercheurs en médecine générale. La mise en place d’un réseau a permis le développement de projets de recherche, les échanges sur la formation ainsi que le rayonnement sur le plan institutionnel, en faveur d’une meilleure prise en charge des femmes victimes de violences conjugales en médecine générale.

Lorsqu’un patient soutient avoir subi un dommage parce que son médecin a violé son devoir d’information préalable, il lui appartient de prouver, d’une part, que des informations de nature à permettre au patient de consentir de manière éclairée à l’intervention litigieuse ne lui auraient pas été communiquées et, d’autre part, que le patient n’aurait pas consenti à l’intervention s’il avait disposé de ces informations manquantes.

Les modèles de réseaux neuronaux capables d'approximer et d'échantillonner des distributions de probabilité à haute dimension sont connus sous le nom de modèles génératifs. Ces dernières années, cette classe de modèles a fait l'objet d'une attention particulière en raison de son potentiel à apprendre automatiquement des représentations significatives de la grande quantité de données que nous produisons et consommons quotidiennement. Cette thèse présente des résultats théoriques et algorithmiques relatifs aux modèles génératifs et elle est divisée en deux parties. Dans la première partie, nous concentrons notre attention sur la Machine de Boltzmann Restreinte (RBM) et sa formulation en physique statistique. Historiquement, la physique statistique a joué un rôle central dans l'étude des fondements théoriques et dans le développement de modèles de réseaux neuronaux. La première implémentation neuronale d'une mémoire associative (Hopfield, 1982) est un travail séminal dans ce contexte. La RBM peut être considérée comme un développement du modèle de Hopfield, et elle est particulièrement intéressante en raison de son rôle à l'avant-garde de la révolution de l'apprentissage profond (Hinton et al. 2006). En exploitant sa formulation de physique statistique, nous dérivons une théorie de champ moyen de la RBM qui nous permet de caractériser à la fois son fonctionnement en tant que modèle génératif et la dynamique de sa procédure d'apprentissage. Cette analyse s'avère utile pour dériver une stratégie d'imputation robuste de type champ moyen qui permet d'utiliser la RBM pour apprendre des distributions empiriques dans le cas difficile où l'ensemble de données à modéliser n'est que partiellement observé et présente des pourcentages élevés d'informations manquantes. Dans la deuxième partie, nous considérons une classe de modèles génératifs connus sous le nom de Normalizing Flows (NF), dont la caractéristique distinctive est la capacité de modéliser des distributions complexes à haute dimension en employant des transformations inversibles d'une distribution simple et traitable. L'inversibilité de la transformation permet d'exprimer la densité de probabilité par un changement de variables dont l'optimisation par Maximum de Vraisemblance (ML) est assez simple mais coûteuse en calcul. La pratique courante est d'imposer des contraintes architecturales sur la classe de transformations utilisées pour les NF, afin de rendre l'optimisation par ML efficace. En partant de considérations géométriques, nous proposons un algorithme d'optimisation stochastique par descente de gradient qui exploite la structure matricielle des réseaux de neurones entièrement connectés sans imposer de contraintes sur leur structure autre que la dimensionnalité fixe requise par l'inversibilité. Cet algorithme est efficace en termes de calcul et peut s'adapter à des ensembles de données de très haute dimension. Nous démontrons son efficacité dans l'apprentissage d'une architecture non linéaire multicouche utilisant des couches entièrement connectées
Neural network models able to approximate and sample high-dimensional probability distributions are known as generative models. In recent years this class of models has received tremendous attention due to their potential in automatically learning meaningful representations of the vast amount of data that we produce and consume daily. This thesis presents theoretical and algorithmic results pertaining to generative models and it is divided in two parts. In the first part, we focus our attention on the Restricted Boltzmann Machine (RBM) and its statistical physics formulation. Historically, statistical physics has played a central role in studying the theoretical foundations and providing inspiration for neural network models. The first neural implementation of an associative memory (Hopfield, 1982) is a seminal work in this context. The RBM can be regarded to as a development of the Hopfield model, and it is of particular interest due to its role at the forefront of the deep learning revolution (Hinton et al. 2006).Exploiting its statistical physics formulation, we derive a mean-field theory of the RBM that let us characterize both its functioning as a generative model and the dynamics of its training procedure. This analysis proves useful in deriving a robust mean-field imputation strategy that makes it possible to use the RBM to learn empirical distributions in the challenging case in which the dataset to model is only partially observed and presents high percentages of missing information. In the second part we consider a class of generative models known as Normalizing Flows (NF), whose distinguishing feature is the ability to model complex high-dimensional distributions by employing invertible transformations of a simple tractable distribution. The invertibility of the transformation allows to express the probability density through a change of variables whose optimization by Maximum Likelihood (ML) is rather straightforward but computationally expensive. The common practice is to impose architectural constraints on the class of transformations used for NF, in order to make the ML optimization efficient. Proceeding from geometrical considerations, we propose a stochastic gradient descent optimization algorithm that exploits the matrix structure of fully connected neural networks without imposing any constraints on their structure other then the fixed dimensionality required by invertibility. This algorithm is computationally efficient and can scale to very high dimensional datasets. We demonstrate its effectiveness in training a multylayer nonlinear architecture employing fully connected layers

Le développement de villes intelligentes et durables nécessite le déploiement des technologies de l'information et de la communication (ITC) pour garantir de meilleurs services et informations disponibles à tout moment et partout. Comme les dispositifs IoT devenant plus puissants et moins coûteux, la mise en place d'un réseau de capteurs dans un contexte urbain peut être coûteuse. Cette thèse propose une technique pour estimer les informations environnementales manquantes dans des environnements à large échelle. Notre technique permet de fournir des informations alors que les dispositifs ne sont pas disponibles dans une zone de l'environnement non couverte par des capteurs. La contribution de notre proposition est résumée dans les points suivants : - limiter le nombre de dispositifs de détection à déployer dans un environnement urbain ; - l'exploitation de données hétérogènes acquises par des dispositifs intermittents ; - le traitement en temps réel des informations ; - l'auto-calibration du système. Notre proposition utilise l'approche AMAS (Adaptive Multi-Agent System) pour résoudre le problème de l'indisponibilité des informations. Dans cette approche, une exception est considérée comme une situation non coopérative (NCS) qui doit être résolue localement et de manière coopérative. HybridIoT exploite à la fois des informations homogènes (informations du même type) et hétérogènes (informations de différents types ou unités) acquises à partir d'un capteur disponible pour fournir des estimations précises au point de l'environnement où un capteur n'est pas disponible. La technique proposée permet d'estimer des informations environnementales précises dans des conditions de variabilité résultant du contexte d'application urbaine dans lequel le projet est situé, et qui n'ont pas été explorées par les solutions de l'état de l'art : - ouverture : les capteurs peuvent entrer ou sortir du système à tout moment sans qu'aucune configuration particulière soit nécessaire ; - large échelle : le système peut être déployé dans un contexte urbain à large échelle et assurer un fonctionnement correct avec un nombre significatif de dispositifs ; - hétérogénéité : le système traite différents types d'informations sans aucune configuration a priori. Notre proposition ne nécessite aucun paramètre d'entrée ni aucune reconfiguration. Le système peut fonctionner dans des environnements ouverts et dynamiques tels que les villes, où un grand nombre de capteurs peuvent apparaître ou disparaître à tout moment et sans aucun préavis. Nous avons fait différentes expérimentations pour comparer les résultats obtenus à plusieurs techniques standard afin d'évaluer la validité de notre proposition. Nous avons également développé un ensemble de techniques standard pour produire des résultats de base qui seront comparés à ceux obtenus par notre proposition multi-agents
The development of sustainable smart cities requires the deployment of Information and Communication Technology (ICT) to ensure better services and available information at any time and everywhere. As IoT devices become more powerful and low-cost, the implementation of an extensive sensor network for an urban context can be expensive. This thesis proposes a technique for estimating missing environmental information in large scale environments. Our technique enables providing information whereas devices are not available for an area of the environment not covered by sensing devices. The contribution of our proposal is summarized in the following points: * limiting the number of sensing devices to be deployed in an urban environment; * the exploitation of heterogeneous data acquired from intermittent devices; * real-time processing of information; * self-calibration of the system. Our proposal uses the Adaptive Multi-Agent System (AMAS) approach to solve the problem of information unavailability. In this approach, an exception is considered as a Non-Cooperative Situation (NCS) that has to be solved locally and cooperatively. HybridIoT exploits both homogeneous (information of the same type) and heterogeneous information (information of different types or units) acquired from some available sensing device to provide accurate estimates in the point of the environment where a sensing device is not available. The proposed technique enables estimating accurate environmental information under conditions of uncertainty arising from the urban application context in which the project is situated, and which have not been explored by the state-of-the-art solutions: * openness: sensors can enter or leave the system at any time without the need for any reconfiguration; * large scale: the system can be deployed in a large, urban context and ensure correct operation with a significative number of devices; * heterogeneity: the system handles different types of information without any a priori configuration. Our proposal does not require any input parameters or reconfiguration. The system can operate in open, dynamic environments such as cities, where a large number of sensing devices can appear or disappear at any time and without any prior notification. We carried out different experiments to compare the obtained results to various standard techniques to assess the validity of our proposal. We also developed a pipeline of standard techniques to produce baseline results that will be compared to those obtained by our multi-agent proposal

L'objectif de la these est de developper, de facon la plus exhaustive possible, la maniere de traiter, statistiquement, le probleme des donnees manquantes dans une collection d'informations chiffrees. En excluant le comportement facile, mais pourtant souvent employe, qui consiste a remplacer la (les) donnee(s) manquante(s) par l'intuition (sondages), le repiquage (series temporelles), ou l'elimination de lignes d'un tableau (statistiques multivariees). Nous proposons au contraire de realiser des choix, les plus pertinents possibles, dans la liste des solutions preconisees par les statisticiens depuis de nombreuses annees. Un schema methodologique est suggere permettant de guider le chercheur dans le labyrinthe de methodes exposees afin de s'y retrouver

Le but de cette étude était d'identifier des stratégies pour analyser des variables latentes longitudinales (patient reported outcomes – PRO) en présence de données manquantes potentiellement informatives. Des modèles, issus de la thérorie classique des tests et de la famille des modèles de Rasch, ont été comparés. Dans le but d'obtenir une comparaison objective de ces méthodes, des études de simulation ont été mises en place. De plus, des exemples illustratifs ont été analysés. Ce travail de recherche a montré que la méthode issue des modèles de la famille de Rasch donne de meilleurs résultats que l'autre méthode dans certaines conditions, surtout du point de vue de la puissance. Cependant, des limites ont été mises en évidence. De plus, des résultats ont été obtenus concernant les conditions d'utilisation de l'imputation par la moyenne
The purpose of this study was to identify the most adequate strategy to analyse longitudinal latent variables (patient reported outcomes) when potentially informative missing data are observed. Models coming from classical test theory and Rasch-family were compared. In order to obtain an objective comparison of these methods, simulation studies were used. Moreover, illustrative examples were analysed. This research work showed that the method that comes from Rasch-family models performs better than the other in some circumstances, mainly for power. However, limitations were highlighted. Moreover, some results were obtained about personal mean score imputation

Dans les cas de traitement d'information incomplète à l'aide d'arbres à décision, la qualité de l'affectation des valeurs dépend toujours du travail de classification. Dans certains cas, on ne pourra pas se contenter de méthodes générales qui tiennent peu compte de l'existant et il sera nécessaire d'affecter des valeurs vraisemblables. Afin de traiter ce problème d'affectation de valeurs manquantes à des attributs, nous proposons de généraliser les algorithmes de décision avec des modèles plus simples et plus compréhensibles, de manière à faciliter et optimiser le travail de l'expert humain. Notre proposition consiste à partitionner les données en nous basant sur l'information stockée et sur l'absence de certaines valeurs, mais également sur l'information globale afin d'améliorer aussi les performances de traitement. L'apport de ce travail consiste en de nouveaux algorihmes, ainsi que des analyses pour la classification de matériaux de plantation. Nous donnons des résultats d'expérimentation sur des données réelles, qui sont susceptibles d'améliorer de manière significative le travail de sélection des graines de palmier à huile
A missing value in incomplete information always inherent the accuracy of classification tasks when a decision tree is used to classify unseen cases. There will be cases where plausible values are required to retain towards more principled and less intrusive. In order to handle the attribute with missing values, the researcher generalizes decision algorithms that provide simpler and more understandable models to optimally fulfill human expert requirement and constraint. Our objective is to partition data by taking full advantage of the information with the presence of missing values ; but with supporting global information to achieve better performance. The contributions of this study are newly developed algorithms and analyses for planting material classification. The researcher reports the empirical results that may provide high returnin planting material breeders in oil palm industry through effective policies design and decision making

Nous présentons dans cette thèse une approche probabiliste pour déterminer les valeurs manquantes des objets incomplets pendant leur classement dans les arbres de décision. Cette approche est dérivée de la méthode d'apprentissage supervisé appelée Arbres d'Attributs Ordonnées (AAO) proposée par Lobo et Numao en 2000, qui construit un arbre de décision pour chacun des attributs, selon un ordre croissant en fonction de l'Information Mutuelle entre chaque attribut et la classe. Notre approche étend la méthode de Lobo et Numao, d'une part en prenant en compte les dépendances entre les attributs pour la construction des arbres d'attributs, et d'autre part en fournissant un résultat de classement d'un objet incomplet sous la forme d'une distribution de probabilités (au lieu de la classe la plus probable).
Nous expliquons notre méthode et nous la testons sur des bases de données réelles. Nous comparons nos résultats avec ceux donnés par la méthode C4.5 et AAO.

Nous proposons également un algorithme basé sur la méthode des k plus proches voisins qui calcule pour chaque objet de la base de test sa fréquence dans la base d'apprentissage. Nous comparons ces fréquences avec les résultats de classement données par notre approche, C4.5 et AAO. Finalement, nous calculons la complexité de construction des arbres d'attributs ainsi que la complexité de classement d'un objet incomplet en utilisant notre approche, C4.5 et AAO.

Nous présentons dans cette thèse une approche probabiliste pour déterminer les valeurs manquantes des objets incomplets pendant leur classement dans les arbres de décision. Cette approche est dérivée de la méthode d'apprentissage supervisé appelée Arbres d'Attributs Ordonnées (AAO) proposée par Lobo et Numao en 2000, qui construit un arbre de décision pour chacun des attributs, selon un ordre croissant en fonction de l'Information Mutuelle entre chaque attribut et la classe. Notre approche étend la méthode de Lobo et Numao, d'une part en prenant en compte les dépendances entre les attributs pour la construction des arbres d'attributs, et d'autre part en fournissant un résultat de classement d'un objet incomplet sous la forme d'une distribution de probabilités (au lieu de la classe la plus probable). Nous expliquons notre méthode et nous la testons sur des bases de données réelles. Nous comparons nos résultats avec ceux donnés par la méthode C4. 5 et AAO. Nous proposons également un algorithme basé sur la méthode des k plus proches voisins qui calcule pour chaque objet de la base de test sa fréquence dans la base d'apprentissage. Nous comparons ces fréquences avec les résultats de classement données par notre approche, C4. 5 et AAO. Finalement, nous calculons la complexité de construction des arbres d'attributs ainsi que la complexité de classement d'un objet incomplet en utilisant notre approche, C4. 5 et AAO
We describe in this thesis an approach to fill missing values in decision trees during the classification phase. This approach is derived from the it ordered attribute trees (OAT) method, proposed by Lobo and Numao in 2000, which builds a decision tree for each attribute and uses these trees to fill the missing attribute values. It is based on the Mutual Information between the attributes and the class. Our approach extends this method by taking the dependence between the attributes into account when constructing the attributes trees, and provides a probability distribution as a result when classifying an incomplete object (instead of the most probable class). We present our approach and we test it on some real databases. We also compare our results with those given by the C4. 5 method and OAT. We also propose a k-nearest neighbours algorithm which calculates for each object from the test data its frequency in the learning data. We compare these frequencies with the classification results given by our approach, C4. 5 and OAT. Finally, we calculate the complexity of constructing the attribute trees and the complexity of classifying a new instance with missing values using our classification algorithm, C4. 5 and OAT

Le bon fonctionnement de l’ensemble d’un système industriel est parfois fortement dépendant de la fiabilité de certains éléments qui le composent. Une défaillance de l’un de ces éléments peut conduire à une défaillance totale du système avec des conséquences qui peuvent être catastrophiques en particulier dans le secteur de l’industrie nucléaire ou dans le secteur de l’industrie aéronautique. Pour réduire ce risque de panne catastrophique, une stratégie consiste à dupliquer les éléments sensibles dans le dispositif. Ainsi, si l’un de ces éléments tombe en panne, un autre pourra prendre le relais et le bon fonctionnement du système pourra être maintenu. Cependant, on observe couramment des situations qui conduisent à des défaillances simultanées d’éléments du système : on parle de défaillance de cause commune. Analyser, modéliser, prédire ce type d’événement revêt donc une importance capitale et sont l’objet des travaux présentés dans cette thèse. Il existe de nombreux modèles pour les défaillances de cause commune. Des méthodes d’inférence pour étudier les paramètres de ces modèles ont été proposées. Dans cette thèse, nous considérons la situation où l’inférence est menée sur la base de données manquantes. Nous étudions en particulier le modèle BFR (Binomial Failure Rate) et la méthode des facteurs alpha. En particulier, une approche bayésienne est développée en s’appuyant sur des techniques algorithmiques (Metropolis, IBF). Dans le domaine du nucléaire, les données de défaillances sont peu abondantes et des techniques particulières d’extrapolations de données doivent être mis en oeuvre pour augmenter l’information. Nous proposons dans le cadre de ces stratégies, des techniques de prédiction des défaillances de cause commune. L’actualité récente a mis en évidence l’importance de la fiabilité des systèmes redondants et nous espérons que nos travaux contribueront à une meilleure compréhension et prédiction des risques de catastrophes majeures
The effective operation of an entire industrial system is sometimes strongly dependent on the reliability of its components. A failure of one of these components can lead to the failure of the system with consequences that can be catastrophic, especially in the nuclear industry or in the aeronautics industry. To reduce this risk of catastrophic failures, a redundancy policy, consisting in duplicating the sensitive components in the system, is often applied. When one of these components fails, another will take over and the normal operation of the system can be maintained. However, some situations that lead to simultaneous failures of components in the system could be observed. They are called common cause failure (CCF). Analyzing, modeling, and predicting this type of failure event are therefore an important issue and are the subject of the work presented in this thesis. We investigate several methods to deal with the statistical analysis of CCF events. Different algorithms to estimate the parameters of the models and to make predictive inference based on various type of missing data are proposed. We treat confounded data using a BFR (Binomial Failure Rare) model. An EM algorithm is developed to obtain the maximum likelihood estimates (MLE) for the parameters of the model. We introduce the modified-Beta distribution to develop a Bayesian approach. The alpha-factors model is considered to analyze uncertainties in CCF. We suggest a new formalism to describe uncertainty and consider Dirichlet distributions (nested, grouped) to make a Bayesian analysis. Recording of CCF cause data leads to incomplete contingency table. For a Bayesian analysis of this type of tables, we propose an algorithm relying on inverse Bayes formula (IBF) and Metropolis-Hasting algorithm. We compare our results with those obtained with the alpha- decomposition method, a recent method proposed in the literature. Prediction of catastrophic event is addressed and mapping strategies are described to suggest upper bounds of prediction intervals with pivotal method and Bayesian techniques. Recent events have highlighted the importance of reliability redundant systems and we hope that our work will contribute to a better understanding and prediction of the risks of major CCF events

L’estimation des relations de dépendance entre variables est généralement déterminée à partir de modèles probabilistes. Cependant, ces modèles sont souvent inadaptés aux données définies de façon imprécise ou lors de la prise en compte d'informations non numériques, comme le jugement d'un expert. La théorie des ensembles flous et la théorie des croyances permettent au contraire de tenir compte de ces imperfections. Nous avons d'abord proposé un système neuro-flou pour la reconstruction de données manquantes. Le principe est d'utiliser une base de règles floues construites à partir des relations entre les composantes des vecteurs d'un ensemble d'apprentissage. Notre méthode permet d'estimer toutes les variables manquantes d'un vecteur dans un seul modèle, quel que soit le nombre de variables disponibles. Nous l'avons appliquée à des données environnementales, dans le cadre du projet européen EM2S. Une comparaison avec certaines approches probabilistes a été étudiée. Ensuite, nous avons proposé une méthode de régression généralisée basée sur la théorie des croyances. L’information apportée par chaque élément de l'ensemble d'apprentissage est représentée par une structure de croyance définie par la sortie associée au vecteur d'apprentissage et par la distance au vecteur étudié. Cette approche permet une caractérisation de différents types d'incertitudes sur la sortie. Pour optimiser les performances du modèle, un critère d'erreur entre deux structures de croyance a été défini, généralisant une distance classique entre intervalles réels. Afin de diminuer le temps de calcul pour l'obtention de la structure finale, deux types de méthodes ont été développés. L’un d'eux consiste simplement à résumer l'information par classification de l'ensemble d'apprentissage. L’autre repose sur l'approximation des structures de croyance par classification hiérarchique des éléments focaux ou par optimisation de critères d'information.

Cette thèse porte sur l'apprentissage de partitions dans un contexte de données incomplètes. Deux développements méthodologiques sont présentés, ainsi que des applications dans le domaine biomédical. La première méthode développée permet, en présence de données incomplètes, un apprentissage de partitions non supervisé. Deux types de données incomplètes ont été considérés : des données manquantes et des données censurées à gauche (dont la valeur est « inférieure à un seuil de détection »). La problématique des données incomplètes a été prise en compte par imputation multiple (MI). Pour permettre une imputation adaptée au type de données incomplètes de chaque variable la méthode par équations chainées (MICE) a été utilisée. L’apprentissage de partitions non supervisé a ensuite été effectuée sur chaque jeu de données imputé. Pour finir, les partitions obtenues ont été combinées à l’aide d’un clustering par consensus. La deuxième méthode, semi-supervisée, a été développée pour permettre de surcroît l’utilisation d’une composante supervisée, à savoir le délai de survie, tout en permettant l’application à des données incomplètes. Cette méthode a ainsi permis d’identifier des profils de patients qui se distinguent d'une part selon la structure de groupes qui se dégage des données et d'autre part, selon le pronostic des patients. Cette méthode utilise l’optimisation multi-objectifs de Pareto. L’adaptation aux données incomplètes a été traitée de manière similaire au développement précédent, par imputation multiple et clustering par consensus. Enfin, deux propositions d'applications sont incluses. Elles concernent d'une part la composante immunologique du microenvironnement tumoral dans le cancer du sein, et d'autre part l’infection COVID-19 dans le contexte d’une maladie hématologique
The topic of this thesis is partition learning analyses in the context of incomplete data. Two methodological development are presented, with two medical and biomedical applications. The first methodological development concerns the implementation of unsupervised partition learning in the presence of incomplete data. Two types of incomplete data were considered: missing data and left-censored data (that is, values “lower than some detection threshold"), and handled through multiple imputation (MI) framework. Multivariate imputation by chained equation (MICE) was used to perform tailored imputations for each type of incomplete data. Then, for each imputed dataset, unsupervised learning was performed, with a data-based selected number of clusters. Last, a consensus clustering algorithm was used to pool the partitions, as an alternative to Rubin's rules. The second methodological development concerns the implementation of semisupervised partition learning in an incomplete dataset, to combine data structure and patient survival. This aimed at identifying patient profiles that relate both to differences in the group structure extracted from the data, and in the patients' prognosis. The supervised (prognostic value) and unsupervised (group structure) objectives were combined through Pareto multi-objective optimization. Missing data were handled, as above, through MI, with Rubin's rules used to combine the supervised and unsupervised objectives across the imputations, and the optimal partitions pooled using consensus clustering. Two applications are provided, one on the immunological landscape of the breast tumor microenvironment and another on the COVID-19 infection in the context of a hematological disease

Les formes éditoriales adoptées pour la publication des données scientifiques ont varié au cours de l’histoire. Les données étaient premièrement incluses dans la même unité éditoriale imprimée que leur étude, puis, avec les formats numériques, externalisées d’abord sous la forme de « matériaux supplémentaires » et, plus récemment, publiées de manière indépendante sur Internet, notamment avec les data journals. Cette étude porte sur un « chaînon manquant » dans cette histoire des formats éditoriaux : la publication de données imprimée et indépendante. Elle prend comme cas une méthode d’analyse des industries lithiques préhistoriques développée entre 1950 et 2000, en France, Italie et Espagne, ainsi qu’un périodique relatif, l’Archivio di tipologia analitica. Cela permet (1) de proposer un cadre d’analyse des transformations historiques de la publication des données scientifiques, (2) de montrer l’importance du phénomène d’autonomisation des formats éditoriaux, illustré ici à la fois par les tirés-à-part et par le développement de formats de représentation informatisés, (3) d’illustrer la pertinence et le potentiel des tirés-à-part en tant que source pour l’étude des sociabilités scientifiques.