Littérature scientifique sur le sujet « Rang et sélection (statistique) – Pérou »

Résumé ???? (Jan M.)- - Standardisation indirecte améliorée et son application à la divor- tialité en Suède (1971-1989). Les risques de divorce en Suède sont généralement considérés comme élevés et croissants. On analyse dans cet article les tendances et les caractéristiques de la divortialité en Suède dans les années 1970 et 1980 et on en fait ressortir les différences par nombre d'enfants déjà nés, par âge au mariage et par rang du mariage. On retrouve ainsi des résultats classiques : les risques de divorce sont plus élevés pour ceux qui ont moins d'enfants, pour les remariés et pour ceux qui se sont mariés jeunes. Le maintien d'un sur-risque chez les gens mariés jeunes à mesure qu'ils avancent en âge suggère l'effet durable d'une sélection négative par le mariage précoce. En revanche, le sur-risque des femmes sans enfant, comparées aux femmes qui en ont un, disparaît après dix ans de mariage comme si les couples restés sans enfant s'accoutumaient à l'idée de leur infécondité et ne se différenciaient plus des mères d'un enfant unique, même si la norme familiale reste réellement sur deux enfants. L'analyse recourt systématiquement à une forme améliorée de standardisation indirecte et démontre une fois encore l'utilité de combiner les techniques classiques d'analyse démographique et les notions de théorie statistique moderne.

Contexte : Dans le monde, le cancer du col utérin arrive au troisième rang des cancers les plus fréquents chez les femmes, mais il passe au deuxième rang en Afrique orientale, où se trouve le Rwanda. Le dépistage périodique est un moyen de prévention efficace. Malgré cela, en Afrique, on estime que le taux de dépistage de ce cancer se situe entre 10 et 70 %. Plusieurs facteurs entravent le dépistage, surtout en Afrique subsaharienne. Au Rwanda, on recense peu d’écrits sur l’utilisation des services de dépistage et les facteurs nuisant au dépistage du cancer du col utérin. Objectif : Évaluer les connaissances sur le dépistage du cancer du col utérin qu’ont les femmes fréquentant les hôpitaux de district de Kigali (au Rwanda), recenser l’utilisation de ce service et déterminer les obstacles qui empêchent d’y recourir. Méthodologie : Une étude transversale descriptive a été menée, et les données ont été collectées au moyen d’un questionnaire structuré. Des questions nominales de type « oui ou non » ont mis en lumière les connaissances des femmes sur le cancer du col utérin et l’utilisation des services de dépistage. Pour cerner les obstacles au dépistage, nous avons utilisé des questions de type « échelle de Likert ». Ces données ont ensuite fait l’objet d’une analyse statistique descriptive et déductive. La sélection des répondantes s’est faite par échantillonnage aléatoire systématique depuis la base de données des patientes fréquentant les services gynécologiques de trois hôpitaux de district de Kigali (Rwanda). Résultats : Au total, 329 femmes ont répondu au sondage. La moitié d’entre elles (n = 165) connaissaient bien le dépistage du cancer du col utérin. Le pourcentage de dépistage se situe à 28,3 %. Nous avons décelé un lien entre l’utilisation du dépistage et une bonne connaissance du sujet (P = 0,000, r = -0,392) ainsi que certains facteurs démographiques (P = 0,000). Parmi les obstacles qui concourent à restreindre l’accès au dépistage, nous avons relevé des obstacles individuels (méconnaissance de l’existence des services de dépistage), géographiques (milieu rural) et liés au système de santé et aux prestataires de soins (campagnes de sensibilisation déficientes, attitudes négatives des prestataires de soins envers les patientes et longs délais d’attente). Conclusion : Dans les hôpitaux de district étudiés de Kigali (Rwanda), on constate un faible pourcentage de dépistage du cancer du col utérin causé par plusieurs obstacles. Il est donc fortement recommandé d’engager une campagne d’information permanente sur ce cancer et son dépistage. Enfin, il est crucial que les prestataires de soins qualifiés encouragent les femmes à se soumettre au dépistage, et qu’ils s’efforcent de réduire les obstacles qui s’y rattachent.

Nous expliquons la construction du concept Université de rang mondial (URM) et sa relation particulière avec les classements internationaux des universités, les principaux acteurs qui composent le scénario mondial sont identifiés en décrivant chacun d’entre eux. Un accent particulier est mis sur ce que l’on appelle les « Big Three » en raison de leur importance cruciale de leur diffusion dans le processus d’institutionnalisation du concept. De même nous examinons, les implications du concept dans la sphère nationale (c’est-à-dire au Pérou), et plus tard dans la sphère micro-organisationnelle (Dans l’Université Catholique Santo Toribio de Mogrovejo à la Ville de Chiclayo - Pérou). Nous présentons une revue de la littérature liée au concept, en partant d’études menées au niveau mondial, puis de celles au niveau latino-américain, et on finira par celles établies dans le niveau national péruvien. Ensuite, nous présentons le cadre conceptuel de la théorie néo-institutionnelle (TNI) qui nous aidera à clarifier l’institutionnalisation à travers la variante discursive. Nous mettons en relevance les arguments qui nous ont conduits à nous prononcer sur cette théorie à partir des articles fondateurs et de leurs perspectives. Postérieurement, nous présentons un bref aperçu de la trajectoire discursive, ainsi que l’explication d’un modelé d’institutionnalisation discursive à travers les relations entre les actions, les textes, le discours et les institutions. Finalement, nous présentons nos questions de recherche, qui vont du niveau international à la portée de l’Universidad Católica Santo Toribio de Mogrovejo (USAT), en passant par l’interprétation du discours au niveau national. Dans la deuxième partie, nous basons notre décision de sélection sur une recherche qualitative, puis nous nous sommes appuyés par un modèle à cas unique. Nous partons de notre positionnement épistémologique, inscrivant ainsi nos recherches dans le paradigme interprétativiste. Ensuite, nous expliquons les raisons du choix de la méthodologie qualitative et après nous avons intégré dans nos travaux la perspective longitudinale processuelle de Langley (1999). Nous montrons en détail la collecte des données, ainsi que les considérations d’interprétation et d’analyse : l’immersion, les entretiens, la conduite des entretiens, la sélection des acteurs interrogés et la collecte des données (primaires et secondaires). Finalement, nous résultats suggèrent deux aspects importants, l’identification des structures particulières d’institutionnalisation du concept URM dans chaque niveau d’analyse international, national et organisationnel, et l’dentification des leviers hors de notre modèle d’analyse provenant du terrain, à savoir la Qualité, la Langue et les Ressources économiques
We explain the construction of the World-class university (WCU) concept and its particular relationship with international university rankings, the main actors that make up the global scenario are identified by describing each of them. Particular emphasis is placed on the so-called “Big Three” because of the crucial importance of their diffusion in the process of institutionalization of the concept. Likewise, we examine the implications of the concept in the national sphere (Peru), and later in the micro-organizational sphere (At the Catholic University “Santo Toribio de Mogrovejo” in the City of Chiclayo - Peru). We present a review of the literature related to the concept, starting from studies carried out at the global level, then those at the Latin American level, and ending with those established at the Peruvian national level. Next, we present the conceptual framework of neo-institutional theory (NIT) which will help us clarify institutionalization through the discursive variant. We highlight the arguments that led us to pronounce ourselves on this theory based on the founding articles and their perspectives. Subsequently, we present a brief overview of the discursive trajectory, as well as the explanation of a model of discursive institutionalization through the relationships between actions, texts, discourse and institutions. Finally, we present our research questions, which range from the international level to the scope of the Catholic University “Santo Toribio de Mogrovejo” (USAT), through discourse interpretation at national level. In the second part, we base our selection decision on qualitative research, then rely on a single-case model. We start from our epistemological position, thus placing our research within the interpretivist paradigm. Then, we explain the reasons for choosing the qualitative methodology and then we integrate Langley's (1999) longitudinal approach into our work. We show in detail the data collection, as well as the interpretation and analysis considerations: immersion, interviews, conduct of interviews, selection of interviewed actors and data collection (primary and secondary). Finally, our results suggest two important aspects, the identification of particular structures of institutionalization of the WCU concept in each international, national and organizational level of analysis, and the identification of levers outside our analysis model coming from the field, namely Quality, Language and Economic Resources

Ce travail de thèse porte sur l'optimisation de problèmes multi-objectifs de grande taille. Une classification des métaheuristiques pour la résolution de problèmes multi-objectifs proposée dans ce travail montre les limites des méthodes basées sur la transformation d'un problème multi-objectif en un problème mono-objectif. Nous pensons que les métaheuristiques à base de populations, tels les algorithmes évolutionnaires, sont bien adaptées pour la résolution de ces problèmes. En effet, l'optimisation multi-objectif a pour caractéristique principale de fournir un ensemble de solutions qui représente le front Pareto des solutions compromis. Nous avons adopté une approche progressive dans la présentation des concepts introduits dans l'algorithme, qui reflète l'évolution dans la conception de l'algorithme. Les mécanismes proposés ont été validés par la résolution d'un problème réel complexe issu des télécommunications : le problème du design de réseaux cellulaires. Nous avons introduit de nouveaux indicateurs de performance permettant d'évaluer la qualité de fronts Pareto : la contribution et l'entropie. Nous avons aussi noté que peu de travaux ont été réalisés autour des algorithmes parallèle pour l'optimisation multi-objectif. Trois modèles parallèles ont été proposés. Les approches basées sur le partitionnement de l'espace opérationnel et sur la distribution de la phase d'évaluation permettent d'accélérer les temps de recherche des algorithmes proposés et résoudre des problèmes de grande taille. L'approche parallèle insulaire basée sur la coopération de sous-populations par migration d'archives permet d'améliorer la qualité des fronts obtenus et une meilleure robustesse des algorithmes. La complémentarité de ces trois approches fait qu'une approche hiérarchique à trois niveaux, bénéficiant des avantages de chaque modèle, a été développée, et évaluée, ce qui a permis de proposer des solutions pour améliorer [. . . ].

Cette thèse trouve sa dynamique dans l'élaboration d'une méthode originale de raffinement de localisation du trafic de téléphonie mobile en zone urbaine pour France Télécom R&D, ainsi que dans l'étude de thèmes théoriques soulevés lors de notre exploration. Notre approche est de nature statistique. Il apparaît que les thèmes centraux de cette thèse sont la segmentation spatiale et la sélection de modèle. Nous introduisons dans un premier temps les données sur lesquelles nous avons fondé notre approche du problème, que nous expliquons à leur lumière. Nous motivons le choix d'un modèle de régression hétéroscédastique. Nous présentons ensuite une démarche non paramétrique par arbres de régression de type CART et ses extensions par ré-échantillonnage Bagging et Boosting dans un cadre de régression homoscédastique. Nous proposons une adaptation de ces techniques au cas hétéroscédastique. Une analyse originale de l'importance des variables y est as~ociée. L'application commentée de notre méthode à divers jeux de données de trafic constitue notre réponse finale au problème initial. Le travail appliqué évoqué plus tôt motive l'étude de la consistance d'une famille d'estimateurs de l'ordre et de la segmentation d'un modèle segmenté. Nous nous consacrons aussi, dans un cadre général de sélection de modèle dans un emboîtement, à l'estimation de l'ordre d'un modèle et aux propriétés de consistance, ainsi qu'aux vitesses de sur- ou sous-estimation. Une approche fonctionnelle, i. E. Une approche pour laquelle les événements d'intérêt sont exprimés en termes d'événements sur la mesure empirique, permet d'unifier et de généraliser une large gamme de résultats antérieurs. Les preuves font appel à une variété de techniques: arguments classiques de minimisation de contraste, concentration, inégalités maximales pour des variables dépendantes, lemme de Stein, pénalisation, Prin- cipes de Grandes et Moyennes Déviations pour la mesure empirique, tour à la Hu ber
We tacke in this thesis the elaboration of an original method that provides refinement of the localization of the mobIle telecommunication traffic in urban area for France Télécom R&D. This work involves both practical and theoretical developments. Our point of view is of statistical nature. The major themes are spatial segmentation and model selection. We first introduce the various datasets from which our approach stems. They cast some light on the original problem. We motivate the choice of an heteroscedastic regression model. We then present a practical nonparametric regression method based on CART regression trees and its Bagging and Boosting extensions by resampling. The latter classical methods are designed for ho- moscedastic models. We propose an adaptation to heteroscedastic ODes, including an original analysis of variable importance. We apply the method to various traffic datasets. The final results are commented. The above practical work motivates the theoretical study of the consistency of a family of estimators of the order of a segmented model and its associated segmentation. We also cope, in a general framework of model select ion in a nested family of models, with the estimation of the order of a model. We are particularly concerned with consistency properties and rates of und er- or overestimation. We tackle the problem at stake with a linear functional approach, i. E. An approach where the events of interest are described as events concerning the empirical measute. This allows to derive general results that gather and enhance earlier ODes. A large range of techniques are involved : classical arguments of M -estimation, concentration, max- imal inequalities for dependent variables, Stein's lemma, penalization, Large and Moderate Deviations Principles for the empirical measure, à la Huber trick

Dans ce mémoire, nous présentons de nouvelles méthodes de segmentation d'images basées sur les statistiques de rangs des niveaux de gris. A travers cette étude, nous avons mis en évidence l'efficacité de la caractérisation des régions à l'aide des statistiques de rangs des niveaux de gris tant pour les régions que pour la discrimination de textures. Dans un premier temps, nous utilisons celles-ci pour la détection de contours. En considérant les contours comme des transitions fortes de niveaux de gris entre régions, on base la détection sur une modélisation du changement des niveaux de gris par rapport à leurs rangs dans une fenêtre. Les contours sont finalement positionnés grâce à une nouvelle méthode de localisation s'appuyant sur une modélisation géométrique locale d'un contour dans une fenêtre de 3 x 3 pixels. Les résultats de la détection sur des images réelles ont montré l'efficacité de notre approche. Dans un deuxième temps, nous avons pris en compte la relation qui lie les positions spatiales et les rangs des niveaux de gris des pixels dans un voisinage. Cela permet de faire ressortir la structure locale de la distribution de niveaux de gris dans l'image. Nous décrivons ensuite la texture en calculant les fréquences d'apparition de ces structures de base dans une région. Cette nouvelle description de texture, permet la mise en oeuvre de la discrimination et la segmentation de textures. La comparaison de cette méthode avec celles des matrices d'occurrences, de l'énergie de texture, et de la transformation de Gabor a montré la supériorité de la méthode proposée.

Pour surveiller le fonctionnement d’un système, le nombre de mesures et d’attributs peut désormais être très grand. Mais il est souhaitable de réduire la dimension du problème en ne conservant que les attributs discriminants pour l’apprentissage de la règle de surveillance et pour réduire le volume de traitement. Il s’agit donc de choisir un sous-ensemble d'attributs pour obtenir les meilleures performances de classification possible. Ce manuscrit présente différentes méthodes de sélection d'attributs existantes et en propose deux nouvelles. La première nommée "EN-ReliefF" est une combinaison d’une méthode séquentielle sous-optimale ReliefF et d’une approche basée sur une régression pondérée : Elastic Net. La seconde s’inspire des réseaux de neurones. Elle est formulée comme un problème d’optimisation permettant de définir simultanément une régression non linéaire qui s’adapte aux données d’apprentissage et une pondération parcimonieuse des attributs. Les poids sont ensuite utilisés pour sélectionner les attributs pertinents. Les deux méthodes sont testées sur des données de synthèse et sur des données issues de machines tournantes. Les résultats expérimentaux montrent l’efficacité des deux méthodes. Les caractéristiques remarquables sont la stabilité de la sélection et la capacité à gérer des attributs linéairement corrélés pour "EN-ReliefF" et la sensibilité et la capacité à gérer des dépendances non linéaires pour la seconde
To monitor the functioning of a system, the number of measurements and attributes can now be very large. But it is desirable to reduce the size of the problem by keeping only the discriminating features to learn the monitoring rule and to reduce the processing demand. The problem is therefore to select a subset of attributes to obtain the best possible classification performance. This thesis dissertation presents different existing methods for feature selection and proposes two new ones. The first one, named "EN-ReliefF", is a combination of a sequential ReliefF method and a weighted regression approach: Elastic Net. The second one is inspired by neural networks. It is formulated as an optimization problem allowing defining at the same time a non-linear regression that adapts to the learning data and a parsimonious weighting of the features. The weights are then used to select the relevant features. Both methods are tested on synthesis data and data from rotating machines. Experimental results show the effectiveness of both methods. Remarkable characteristics are the stability of selection and ability to manage linearly correlated attributes for "EN-ReliefF" and the sensitivity and ability to manage non-linear dependencies for the second method

Cette thèse est organisée en deux parties indépendantes. La première partie s'intéresse à l'estimation convexe de matrice en prenant en compte à la fois la parcimonie et le rang. Dans le contexte de graphes avec une structure de communautés, on suppose souvent que la matrice d'adjacence sous-jacente est diagonale par blocs dans une base appropriée. Cependant, de tels graphes possèdent généralement une matrice d'adjacente qui est aussi parcimonieuse, ce qui suggère que combiner parcimonie et range puisse permettre de modéliser ce type d'objet de manière plus fine. Nous proposons et étudions ainsi une pénalité convexe pour promouvoir parcimonie et rang faible simultanément. Même si l'hypothèse de rang faible permet de diminuer le sur-apprentissage en diminuant la capacité d'un modèle matriciel, il peut être souhaitable lorsque suffisamment de données sont disponible de ne pas introduire une telle hypothèse. Nous étudions un exemple dans le contexte multiple kernel learning localisé, où nous proposons une famille de méthodes a vaste-marge convexes et accompagnées d'une analyse théorique. La deuxième partie de cette thèse s'intéresse à des problèmes de détection d'objets ou de signaux structurés. Dans un premier temps, nous considérons un problème de test statistique, pour des modèles où l'alternative correspond à des capteurs émettant des signaux corrélés. Contrairement à la littérature traditionnelle, nous considérons des procédures de test séquentielles, et nous établissons que de telles procédures permettent de détecter des corrélations significativement plus faible que les méthodes traditionnelles. Dans un second temps, nous considérons le problème de localiser des objets dans des images. En s'appuyant sur de récents résultats en apprentissage de représentation pour des problèmes similaires, nous intégrons des features de grande dimension issues de réseaux de neurones convolutionnels dans les modèles déformables traditionnellement utilisés pour ce type de problème. Nous démontrons expérimentalement que ce type d'approche permet de diminuer significativement le taux d'erreur de ces modèles
This thesis is organized in two independent parts. The first part focused on convex matrix estimation problems, where both rank and sparsity are taken into account simultaneously. In the context of graphs with community structures, a common assumption is that the underlying adjacency matrices are block-diagonal in an appropriate basis. However, these types of graphs are usually far from complete, and their adjacency representations are thus also inherently sparse. This suggests that combining the sparse hypothesis and the low rank hypothesis may allow to more accurately model such objects. To this end, we propose and analyze a convex penalty to promote both low rank and high sparsity at the same time. Although the low rank hypothesis allows to reduce over-fitting by decreasing the modeling capacity of a matrix model, the opposite may be desirable when enough data is available. We study such an example in the context of localized multiple kernel learning, which extends multiple kernel learning by allowing each of the kernels to select different support vectors. In this framework, multiple kernel learning corresponds to a rank one estimator, while higher-rank estimators have been observed to increase generalization performance. We propose a novel family of large-margin methods for this problem that, unlike previous methods, are both convex and theoretically grounded. The second part of the thesis is about detection of objects or signals which exhibit combinatorial structures, and we present two such problems. First, we consider detection in the statistical hypothesis testing sense, in models where anomalous signals correspond to correlated values at different sensors. In most existing work, detection procedures are provided with a full sample of all the sensors. However, the experimenter may have the capacity to make targeted measurements in an on-line and adaptive manner, and we investigate such adaptive sensing procedures. Finally, we consider the task of identifying and localizing objects in images. This is an important problem in computer vision, where hand-crafted features are usually used. Following recent successes in learning ad-hoc representations for similar problems, we integrate the method of deformable part models with high-dimensional features from convolutional neural networks, and shows that this significantly decreases the error rates of existing part-based models

Dans le premier chapitre, nous rappelons les différentes propriétés des lois alpha-stables univariées. Nous introduisons ensuite les lois symétriques alpha-stables multivariées. Dans le deuxième chapitre, nous nous concentrons sur les mesures de dépendance. Constatant que le coefficient de covariation admet certaines limites, nous construisons une nouvelle mesure de dépendance, le coefficient de covariation symétrique. Après avoir conclu le chapitre par l'étude de la loi asymptotique de l'estimateur du coefficient de covariation, nous présentons les différentes méthodes d'identification de l'ordre d'un processus AR: autocorrélation partielle et statistiques quadratiques asymptotiquement invariantes basées sur les rangs. De nombreuses simulations nous permettent de comparer ces méthodes et de constater l'importance des statistiques de rang dans ce domaine. Enfin, un problème de test séquentiel nous permet d'introduire la notion de niveau de confiance après décision.

Cette thèse s'articule autour de la problématique de la sélection de modèle, étudiée dans le contexte de la régression linéaire. L'objectif est de déterminer le meilleur modèle de prédiction à partir de données mesurées, c'est-à-dire le modèle réalisant le meilleur compromis entre attache aux données et complexité du modèle. La contribution principale consiste en la dérivation de critères d'évaluation de modèles basés sur des techniques de théorie de la décision, plus précisément l'estimation de coût. Ces critères reposent sur une hypothèse distributionnelle plus large que l'hypothèse classique gaussienne avec indépendance entre les observations : la famille des lois à symétrie sphérique. Cette famille nous permet à la fois de nous affranchir de l'hypothèse d'indépendance et d'ajouter une plus grande robustesse puisque nos critères ne dépendent pas de la forme spécifique de la distribution. Nous proposons également une méthode de comparaison des critères dérivés au travers d'une mesure de type Erreur quadratique (MSE), qui permet de déterminer si un critère d'évaluation de modèle est meilleur qu'un autre. La seconde contribution attaque le problème de la construction des différents modèles comparés. Les collections de modèles considérées sont celles issues des méthodes de régularisation parcimonieuses, de type Lasso. En particulier, nous nous sommes intéressés à la Pénalité Concave Minimax (MCP), qui garde la sélection du Lasso tout en corrigeant son biais d'estimation. Cette pénalité correspond cependant à un problème non différentiable et non convexe. La généralisation des outils habituels de sous-différentielles grâce aux différentielles de Clarke a permis de déterminer les conditions d'optimalité et de développer un algorithme de chemin de régularisation pour le MCP. Enfin, nous comparons nos propositions avec celles de la littérature au travers d'une étude numérique, dans laquelle nous vérifions la qualité de la sélection. Les résultats montrent notamment que nos critères obtiennent des performances comparables à ceux de la littérature, et que les critères les plus couramment utilisés en pratique (validation croisée) ne sont pas toujours parmi les plus performants.

Dans le cadre de cette thèse, nous nous intéressons à la sélection des attributs en s'appuyant sur la théorie des graphes dans les différents contextes d'apprentissage non supervisé, semi-supervisé et supervisé. En particulier, nous nous intéressons aux scores de classement d'attributs basés sur des contraintes must-link et cannot-link. En effet, ces contraintes sont faciles à obtenir dans le cadre des applications réelles. Elles nécessitent juste de formuler pour deux données si elles se ressemblent et donc doivent être regroupées ensemble ou non, sans requérir d'informations détaillées sur les classes à retrouver. Les scores de contraintes ont montré de bonnes performances pour la sélection semi-supervisée des attributs. Cependant, ils sont fortement dépendants du sous-ensemble de contraintes disponibles. Nous proposons alors un score qui utilise à la fois l'ensemble des contraintes disponibles et les propriétés locales des données non contraintes. Des expériences réalisées sur des bases de données artificielles et réelles montrent que ce nouveau score est moins dépendant de l'ensemble de contraintes disponibles que les scores existants tout en atteignant des performances de classification similaires. La sélection semi-supervisée d'attributs a également été appliquée avec succès à la classification de textures couleur. En effet, parmi les nombreux attributs de texture pouvant être extraits des images couleur, il est nécessaire de sélectionner les plus pertinents afin d'améliorer la qualité de classification
Within the framework of this thesis, we are interested in feature selection methods based on graph theory in different unsupervised, semi-supervised and supervised learning contexts. We are particularly interested in the feature ranking scores based on must-link et cannot-link constraints. Indeed, these constraints are easy to be obtained on real applications. They just require to formalize for two data samples if they are similar and then must be grouped together or not, without detailed information on the classes to be found. Constraint scores have shown good performances for semi-supervised feature selection. However, these scores strongly depend on the given must-link and cannot-link subsets built by the user. We propose then a new semi-supervised constraint scores that uses both pairwise constraints and local properties of the unconstrained data. Experiments on artificial and real databases show that this new score is less sensitive to the given constraints than the previous scores while providing similar performances. Semi supervised feature selection was also successfully applied to the color texture classification. Indeed, among many texture features which can be extracted from the color images, it is necessary to select the most relevant ones to improve the quality of classification

Cette thèse s'organise autour du but suivant : comment trouver un bon modèle pour les séries temporelles qui subissent des changements de comportement? L'application qui a motivé cette question est la caractérisation des crises financières à l'aide d'un indice des chocs de marché inspiré de la géophysique et de modèles hybrides à changements de régime intégrant des perceptrons multi-couches. Les résultats obtenus sur les données fournissent une séparation intéressante entre deux états relatifsà deux comportements différents du marché, mais des questions sur la sélection de modèles et le choix du nombre de régimes se posent alors naturellement.
On propose d'étudier ces questions à travers deux approches. Dans la première, il s'agit de montrer la consistance faible d'un estimateur de maximum de vraisemblance pénalisée sous des conditions de stationnarité et dépendance faible. Les hypothèses introduites sur l'entropie à crochets de la classe des fonctions scores généralisés sont ensuite vérifiées dans un cadre linéaire et gaussien. La deuxième approche, plutôt empirique, est issue des méthodes de classification non-supervisée et combine les cartes de Kohonen avec une classification hiérarchique pour laquelle une nouvelle dispersion basée sur la somme des carrés résiduelle est introduite.