Добірка наукової літератури з теми "Fusion coopérative"

Dans cet article, nous présentons une stratégie de segmentation d'images aériennes pour la caractérisation de toitures. Pour ce faire, une méthode de segmentation d'orthophotoplans basée sur une technique de coopération intégrant une segmentation par régions et une segmentation par contours est proposée. Les deux techniques de segmentation sont assurées par l'algorithme de la Ligne de Partage des Eaux (LPE). L'approche proposée est composée de trois étapes : (i) Une étape de simplification qui consiste à simplifier l'image initiale avec un couple invariant/gradient approprié et optimisé pour l'application. Pour cela, une série de tests permettant de choisir, d'une part, l'invariant colorimétrique le plus approprié parmi 24 invariants et, d'autre part, le meilleur gradient parmi 14 gradients issus de la littérature est réalisée. (ii) La deuxième étape comporte deux stratégies de segmentation par LPE. L'image simplifiée est segmentée d'une part par une LPE-régions couplée à une stratégie de fusion de régions, et d'autre part, par une LPE-contours. Le processus de fusion de régions intègre des critères de fusion fondés sur des grandeurs radiométriques et géométriques adaptés aux particularités des orthophotoplans traités. Une technique de caractérisation 2D des arêtes de toitures par une analyse des segments est proposée afin de calculer l'un des critères de fusion. (iii) La troisième étape consiste à combiner les avantages de chaque méthode dans un même schéma de segmentation coopératif afin d'aboutir à un résultat de segmentation fiable. Les tests ont été effectués sur un orthophotoplan contenant 100 toitures de complexité variée et évaluées avec le critère de Vinet utilisant une segmentation de référence afin de prouver la robustesse et la fiabilité de l'approche proposée. La stratégie de coopération proposée permet d'aboutir à un taux de bonne segmentation de 96% contre 83% pour une LPE-régions seule ou 88% pour une LPE-contours seule.

Lorsque des économies d’échelle et de gamme sont simultanément présentes, le regroupement des établissements tend à réduire les coûts. Puisque de nombreuses études empiriques ont déjà établi que les coûts des banques tendent à devenir proportionnels au-delà d’une certaine taille, il y aurait une limite à ces économies d’échelle et de gamme dans l’industrie bancaire. Nous étudions si l’important processus de fusions des caisses Desjardins et des caisses acadiennes entrepris en 1998 les a poussées au-delà de leur seuil minimal d’efficacité. Une analyse initiale à l’aide du lissage exponentiel montre que le coût moyen d’opération cesse de diminuer lorsque l’actif d’une caisse atteint 250 millions de dollars. Nous effectuons cependant une analyse plus formelle à l’aide de la méthode du Data envelopment analysis (DEA) et utilisons un résultat de Fortin et Leclerc (2006) pour décomposer les économies de gamme en efficacité d’échelle et en une mesure de convexité de la fonction de production. En combinant cette décomposition avec les méthodes maintenant bien connues pour calculer l’efficacité d’échelle avec le DEA, nous montrons que la plupart des fusions ont amené la caisse fusionnée à une taille telle qu’elle se situe en situation de rendement d’échelle décroissant. La recherche de la taille optimale ne semble donc pas être la première préoccupation dans la décision de fusion.

Résumé La réorganisation du travail et les nouveaux modes de coopération patronale/syndicale affectent considérablement les identitésouvrières et syndicales en milieu de travail. Ils contribuent à l’émergence de nouvelles identités ouvrières autour du métier etde l’entreprise et remettent en cause la légitimité syndicale. En se rapprochant de la direction, séparément et sur des basesdifférentes, syndicat et salariés fragilisent leurs relations, qui se caractérisent alors par une certaine distanciation afaiblissantle syndicalisme en milieu de travail. Cette évolution n’est toutefois pas inéluctable et elle est fortement influencée par lesinterventions et les orientations syndicales. S’appuyant sur une analyse théorique et une enquête empirique dans le secteur despâtes et papiers au Québec, cet article jette un nouveau regard sur l’impact des négociations intégratives sur l’avenir du syndicalisme.

Peu après l’invention des lasers au début des années 1960, des calculs d’ordre de grandeur montraient leur intérêt pour la fusion nucléaire. En même temps, débutaient discrètement des programmes de recherches dans des laboratoires à vocation militaire. C’est ainsi qu’au centre de Limeil de la Direction des Applications Militaires du Commissariat à l’Énergie Atomique (CEA-DAM) fut lancée l’étude des plasmas créés par laser, en coopération avec les Laboratoires de Marcoussis de la Compagnie Générale d’Électricité (CGE). Cet effort, dont l’histoire est relatée dans cet article, a abouti à un résultat spectaculaire pour l’époque (1969) : une émission de neutrons contrôlable.

Au coeur même dupolémosqui régit le monde, la philosophie d’Héraclite suggère l’existence possible d’une alchimie dialogique spécifique, capable de transformer le plomb de l’opposition en or de la coopération. Non pas malgré la guerre, mais – aussi problématique que puisse apparaître un tel postulat – grâce à elle. Cet article transpose cette intuition au cadre spécifique des relations internationales. En s’appuyant sur la théorie de l’argumentation (d’Aristote aux développements plus récents de la logique informelle), il redéfinit la guerre en tant que « syllogisme éristique convergent ». Ce prisme permet de conclure à la validité du mécanisme héraclitéen de fusion des contraires, à la condition que la logique du conflit armé reste dépendante de son contexte énonciatif, lui-même façonné par la rationalité tragique propre à toute opposition politique.

Résumé Après avoir présenté les principaux résultats concernant les effets de la concurrence fiscale sur l'offre de biens publics locaux et les taux d'impôt d'équilibre, nous poserons la question de la coopération fiscale intercommunale comme moyen de réduire les disparités de taux de taxe professionnelle. Nous montrerons alors, qu'à défaut d'avoir pu imposer la fusion de communes comme dans d'autres pays, l'élargissement de la zone de prélèvement de la taxe professionnelle peut se révéler économiquement efficace même si elle soulève deux types de difficultés. En premier lieu, il s'agit de délimiter le territoire de prélèvement : national comme le suggère le Conseil des impôts, régional, départemental ou plus pragmatiquement en essayant de fédérer les groupements de communes préexistants (loi du 6 février 1992). En second lieu, se pose la question de la participation de communes de taille différente - communes « centres » et communes « périphériques » - à un groupement de communes car la concurrence ne s'exerce pas de la même façon sur les unes et sur les autres. Nous dresserons enfin un bilan des groupements de communes à fiscalité propre.

Le Web est devenu, en quelques années, un support essentiel de diffusion de l’information. Cependant, la nature même du Web remet en cause une des fonctions principales des institutions culturelles : la conservation du patrimoine. Cela est d’autant plus le cas pour les bibliothèques nationales qu’elles sont souvent en charge, au titre de leur mission de dépôt légal, de la collecte et de la conservation de l’ensemble de la production scientifique et culturelle d’une nation. Pour faire face aux défis que représentait l’archivage d’une masse de données aussi vaste et aussi hétérogène, les bibliothèques ont donc été amenées à questionner leurs approches. Elles ont dû notamment s’inspirer des démarches d’autres communautés professionnelles, particulièrement celle des archivistes. La terminologie et certaines méthodes archivistiques ont souvent été employées : accent mis sur la collecte, pratique de l’échantillonnage… De fait, les collections constituées ont elles-mêmes un statut hybride, tenant à la fois de la publication et du document d’archives. Puisque les archives du Web sont des artefacts, des agrégats complexes, la question de l’authenticité prend également une place déterminante. L’ouverture à de nouvelles approches– qui ne signifie pas forcément une fusion des identités professionnelles – doit inciter à la coopération entre institutions.

Historique de l’exploitation de systèmes intégrés de gestion de bibliothèques (SIGB) dans le réseau de l’Université du Québec. Choix et acquisition d’un SIGB commercial. Modèle de gestion à caractère participatif. Mise en oeuvre du projet d’implantation du nouveau SIGB en trois étapes. Mise sur pied d’un catalogue unifié : caractéristiques et défis surmontés dans le cadre de la fusion de huit banques de données. Équipe de soutien et environnement technologique à l’UQTR (Université du Québec à Trois-Rivières). Cadre financier et respect des contingences. Outils de gestion. Rôle du plan de communication. Impacts sur le personnel : processus d’apprentissage et formation. Utilisation d’un outil de gestion de projet.

Les systèmes informatiques doivent respecter certaines propriétés telles que la confidentialité, l'intégrité et la disponibilité. Cependant, il existe des vulnérabilités qui permettent de violer la politique de sécurité. La détection d’intrusions a pour but de détecter l'exploitation de ces vulnérabilités. L'approché consistant à faire coopérer plusieurs sondes de détection d’intrusions permet d’améliorer le diagnostic fournit. Cette thèse développe les notions de fusion, corrélation pondérée et réaction. La fusion d’alerte regroupe les alertes redondantes pour les fusionner. La corrélation pondérée identifie des scénarios d'intrusions et sélectionne le plus plausible. La réaction bloque un scénario d'intrusions en cours d’exécution ou modifie l’état du système pour éliminer une vulnérabilité ou compenser les effets d’une attaque. Des résultats expérimentaux obtenus sur plusieurs scénarios d’intrusions à partir d’un prototype implantant les notions développées sont présentés.

Afin de naviguer en autonomie un véhicule doit être capable de se localiser précisément par rapport aux bords de voie pour ne pas sortir de celle-ci et par rapport aux véhicules et piétons pour ne pas causer d'accident. Cette thèse traite de l'intérêt de la communication dans l'amélioration de la localisation des véhicules autonomes. La navigation autonome sur route est souvent réalisée à partir de coordonnées cartésiennes. Afin de mieux représenter la pose d'un véhicule relativement à la voie dans laquelle il circule, nous étudions l'utilisation de coordonnées curvilignes le long de chemins enregistrés dans des cartes. Ces coordonnées généralisent l'abscisse curviligne en y ajoutant un écart latéral signé par rapport au centre de la voie et une orientation relative au centre de cette voie en prenant en compte le sens de circulation. Une première approche de localisation coopérative est réalisée à partir de ces coordonnées. Une fusion de données à une dimension permet de montrer l'intérêt de la localisation coopérative dans le cas simplifié où l'écart latéral, l'orientation curviligne et la pose relative entre deux véhicules sont connus avec précision. Les problèmes de corrélation des erreurs dus à l'échange d'information sont pris en compte grâce à un filtre par intersection de covariance. Nous présentons ensuite à une méthode de perception de type ICP (Iterative Closest Point) pour déterminer la pose relative entre les véhicules à partir de points LiDAR et d'un modèle polygonal 2D représentant la forme du véhicule. La propagation des erreurs de poses absolues des véhicules à l'aide de poses relatives estimées avec leurs incertitudes se fait via des équations non linéaires qui peuvent avoir un fort impact sur la consistance. Les poses des différents véhicules entourant l'égo-véhicule sont estimés dans une carte locale dynamique (CLD) permettant d'enrichir la carte statique haute définition décrivant le centre de la voie et les bords de celle-ci. La carte locale dynamique est composée de l'état de chaque véhicule communicant. Les états sont fusionnés en utilisant un algorithme asynchrone, à partir de données disponibles à des temps variables. L'algorithme est décentralisé, chaque véhicule calculant sa propre CLD et la partageant. Les erreurs de position des récepteurs GNSS étant biaisées, une détection de marquages est introduite pour obtenir la distance latérale par rapport au centre de la voie afin d'estimer ces biais. Des observations LiDAR avec la méthode ICP permettent de plus d'enrichir la fusion avec des contraintes entre les véhicules. Des résultats expérimentaux illustrent les performances de cette approche en termes de précision et de consistance
To be able to navigate autonomously, a vehicle must be accurately localized relatively to all obstacles, such as roadside for lane keeping and vehicles and pedestrians to avoid causing accidents. This PhD thesis deals with the interest of cooperation to improve the localization of cooperative vehicles that exchange information. Autonomous navigation on the road is often based on coordinates provided in a Cartesian frame. In order to better represent the pose of a vehicle with respect to the lane in which it travels, we study curvilinear coordinates with respect to a path stored in a map. These coordinates generalize the curvilinear abscissa by adding a signed lateral deviation from the center of the lane and an orientation relative to the center of the lane taking into account the direction of travel. These coordinates are studied with different track models and using different projections to make the map-matching. A first cooperative localization approach is based on these coordinates. The lateral deviation and the orientation relative to the lane can be known precisely from a perception of the lane borders, but for autonomous driving with other vehicles, it is important to maintain a good longitudinal accuracy. A one-dimensional data fusion method makes it possible to show the interest of the cooperative localization in this simplified case where the lateral deviation, the curvilinear orientation and the relative positioning between two vehicles are accurately known. This case study shows that, in some cases, lateral accuracy can be propagated to other vehicles to improve their longitudinal accuracy. The correlation issues of the errors are taken into account with a covariance intersection filter. An ICP (Iterative Closest Point) minimization algorithm is then used to determine the relative pose between the vehicles from LiDAR points and a 2D polygonal model representing the shape of the vehicle. Several correspondences of the LiDAR points with the model and different minimization approaches are compared. The propagation of absolute vehicle pose using relative poses with their uncertainties is done through non-linear equations that can have a strong impact on consistency. The different dynamic elements surrounding the ego-vehicle are estimated in a Local Dynamic Map (LDM) to enhance the static high definition map describing the center of the lane and its border. In our case, the agents are only communicating vehicles. The LDM is composed of the state of each vehicle. The states are merged using an asynchronous algorithm, fusing available data at variable times. The algorithm is decentralized, each vehicle computing its own LDM and sharing it. As the position errors of the GNSS receivers are biased, a marking detection is introduced to obtain the lateral deviation from the center of the lane in order to estimate these biases. LiDAR observations with the ICP method allow to enrich the fusion with the constraints between the vehicles. Experimental results of this fusion show that the vehicles are more accurately localized with respect to each other while maintaining consistent poses

Un document structuré complexe est représenté intentionnellement sous la forme d'une structure arborescente décorée par des attributs. Si on ne s'intéresse qu'aux aspects purement structurels, les documents licites peuvent être caractérisés par une grammaire algébrique abstraite. Dans cette thèse, après avoir montré comment l'édition collaborative de tels documents peut être étudiée au moyen d'un modèle inspiré des modèles workflow, nous posons et donnons une solution au problème de la fusion en un document global (cohérent) de diverses vues partielles d'un document éditées de façon asynchrone. A cette fin, nous représentons l'ensemble (potentiellement infini) de documents compatibles avec une vue partielle donnée par une structure de données co-inductive appelée arène. Cette structure encapsule un ensemble régulier d'arbres et peut être considérée comme l'image d'une vue partielle du document par le morphisme canonique (anamorphisme) associé à une co-algèbre (un automate d'arbres). Ainsi présenté, fusionner les diverses vues partielles revient à construire l'intersection des ensembles réguliers d'arbres correspondants à chacune des vues; cette intersection peut être obtenue en utilisant une opération de synchronisation définie sur les automates d'arbres. Nous présentons un outil sommaire permettant de faire la démonstration de l'algorithmique issue de ce travail
A complex structured document is intentionnally represented as a tree decorated with attributes. If we focus our attention to purely structural aspects, the set of legal documents can be fully caracterized by an abstract context-free grammar. In this thesis we address the problem of the collaborative edition of structured documents in a distributed workflow system. We present and give a solution to the problem of how to merge a set of partial views of a document (edited asynchronously) into one global coherent document. For that purpose, we represent the potentially-infinite set of documents compatible with a given partial view as a coinductive data structure. This set is a regular set of trees that can be obtained as the image of the partial view of the document by the canonical morphism (anamorphism) associated with a coalgebra (some kind of tree automaton). Merging partial views then amounts to computing the intersection of the corresponding regular sets of trees which can be obtained using a synchronization operation on tree automata. We present a tool for demonstrating the various algorithms resulting from our study

La généralisation cartographique consiste à transformer la représentation de l'espace géographique de manière à pouvoir restituer l'information spatiale à différents niveaux d'abstraction. Les travaux présentés dans cette thèse traitent plus particulièrement de la généralisation de cartes vectorielles d'occupation des sols. Les travaux recensés dans le cadre de l'état de l'art réalisé dans le premier chapitre montrent certes l'existence de méthodes et d'outils de généralisation, mais uniquement un contexte de données maillées ou de cartes topographiques. En effet, la spécificité de notre problématique réside dans le fait que, sur une carte d'occupation des sols, l'information est présente sur la totalité de la carte tandis qu'une carte topographique possède des zones non renseignées. Les outils de généralisation existants ne sont donc pas adaptés aux cartes d'occupation des sols. Aussi, après avoir présenté les différents modèles nécessaires à la généralisation, nous proposons d'analyser les méthodes et outils existants dans le cadre spécifique de l'occupation des sols. Nous effectuons donc, dans le deuxième chapitre, une proposition méthodologique mettant en œuvre plusieurs opérateurs de généralisation adaptés à notre problématique. Notre démarche s'appuie sur l'utilisation d'une base de données caractéristique de l'occupation des sols, Corine Land Cover, et fait l'objet, en fin de chapitre, d'une validation pratique au travers d'une maquette réalisée avec le logiciel arc/info. Les résultats obtenus sont certes satisfaisants mais, comme toutes les méthodes existantes, notre approche gère insuffisamment le caractère évolutif des données géographiques : son processus est séquentiel et sa mise en œuvre reste lourde ; à chaque mise à jour du jeu de données initial, la donnée généralisée doit être recréée. Pour répondre à cette problématique, nous exposons dans le troisième chapitre, une nouvelle méthode de fusion basée sur une triangulation dont la principale propriété est d'offrir une consistance dans la prise en compte des polygones. Grâce à cette méthode, nous pouvons alors proposer une modélisation par objets spatio-temporels actifs, l'activité des polygones étant décrite à travers une extension du formalisme des réseaux de Pétri. Les modèles complets de ces polygones spatio-temporels actifs sont présentés en fin de chapitre
Map generalization consists in transforming representations of geographic space in such a way as to enable spatial data to be mapped at various levels of abstraction. The work presented in this thesis is specifically concerned with the generalization of land use vector maps. The investigations into the state of-the-art performed in chapter one show that while generalization tools and methods exist, they are only applicable to raster data or topographic maps. The specificity of our investigation resides in the fact that information on a land use map is present throughout the map while a topographic map has blank areas. Existing generalization tools are therefore not applicable to land use vector maps. After presenting various models required for generalization, the author analyzes existing methods and tools from the standpoint of land use. In chapter two, a methodology is proposed implementing several generalization operators adapted to the task. Our method is based on the use of a land use-specific database, Corine Land Cover, and is put to a practical test at the end of the chapter using a model built with arc/info software. While the results obtained are satisfactory, our method - like all existing methods - do not provide a sufficient management power for the changeable nature of geographical data: it uses sequential processes and remains difficult to implement since generalized data must be re-computed whenever the initial data is upgraded. In response to this problem, chapter three presents a new merging method based on triangulation whose main feature is to provide a consistent way of processing polygons. This method allows us to propose a model based on spatio-temporal objects as polygon activity is described by an extension of the Pétri net formalism. Complete models of these active spatio-temporal polygons are presented at the end of the chapter and are implemented in the looping environment

Les images hyperspectrales sont des images complexes qui ne peuvent être partitionnées avec succès en utilisant une seule méthode de classification. Les méthodes de classification non coopératives, paramétriques ou non paramétriques peuvent être classées en trois catégories : supervisée, semi-supervisée et non supervisée. Les méthodes paramétriques supervisées nécessitent des connaissances a priori et des hypothèses sur les distributions des données à partitionner. Les méthodes semi-supervisées nécessitent des connaissances a priori limitées (nombre de classes, nombre d'itérations), alors que les méthodes de la dernière catégorie ne nécessitent aucune connaissance. Dans le cadre de cette thèse un nouveau système coopératif et non supervisé est développé pour le partitionnement des images hyperspectrales. Son originalité repose sur i) la caractérisation des pixels en fonction de la nature des régions texturées et non-texturées, ii) l'introduction de plusieurs niveaux d'évaluation et de validation des résultats intermédiaires, iii) la non nécessité d'information a priori. Le système mis en ouvre est composé de quatre modules: Le premier module, partitionne l'image en deux types de régions texturées et non texturées. Puis, les pixels sont caractérisés en fonction de leur appartenance à ces régions. Les attributs de texture pour les pixels appartenant aux régions texturées, et la moyenne locale pour les pixels appartenant aux régions non texturées. Le deuxième module fait coopérer parallèlement deux classifieurs (C-Moyen floue : FCM et l'algorithme Adaptatif Incrémental Linde-Buzo-Gray : AILBG) pour partitionner chaque composante. Pour rendre ces algorithmes non supervisés, le nombre de classes est estimé suivant un critère basé sur la dispersion moyenne pondérée des classes. Le troisième module évalue et gère suivant deux niveaux les conflits des résultats de classification obtenus par les algorithmes FCM et AILBG optimisés. Le premier identifie les pixels classés dans la même classe par les deux algorithmes et les reportent directement dans le résultat final d'une composante. Le second niveau utilise un algorithme génétique (GA), pour gérer les conflits entre les pixels restant. Le quatrième module est dédié aux cas des images multi-composantes. Les trois premiers modules sont appliqués tout d'abord sur chaque composante indépendamment. Les composantes adjacentes ayant des résultats de classification fortement similaires sont regroupées dans un même sous-ensemble et les résultats des composantes de chaque sous-ensemble sont fusionnés en utilisant le même GA. Le résultat de partitionnement final est obtenu après évaluation et fusion par le même GA des différents résultats de chaque sous-ensemble. Le système développé est testé avec succès sur une grande base de données d'images synthétiques (mono et multi-composantes) et également sur deux applications réelles: la classification des plantes invasives et la détection des pins
Hyperspectral and more generally multi-component images are complex images which cannot be successfully partitioned using a single classification method. The existing non-cooperative classification methods, parametric or nonparametric can be categorized into three types: supervised, semi-supervised and unsupervised. Supervised parametric methods require a priori information and also require making hypothesis on the data distribution model. Semi-supervised methods require some a priori knowledge (e.g. number of classes and/or iterations), while unsupervised nonparametric methods do not require any a priori knowledge. In this thesis an unsupervised cooperative and adaptive partitioning system for hyperspectral images is developed, where its originality relies i) on the adaptive nature of the feature extraction ii) on the two-level evaluation and validation process to fuse the results, iii) on not requiring neither training samples nor the number of classes. This system is composed of four modules: The first module, classifies automatically the image pixels into textured and non-textured regions, and then different features of pixels are extracted according to the region types. Texture features are extracted for the pixels belonging to textured regions, and the local mean feature for pixels of non-textured regions. The second module consists of an unsupervised cooperative partitioning of each component, in which pixels of the different region types are classified in parallel via the features extracted previously using optimized versions of Fuzzy C-Means (FCM) and Adaptive Incremental Linde-Buzo-Gray algorithm (AILBG). For each algorithm the number of classes is estimated according to the weighted average dispersion of classes. The third module is the evaluation and conflict management of the intermediate classification results for the same component obtained by the two classifiers. To obtain a final reliable result, a two-level evaluation is used, the first one identifies the pixels classified into the same class by both classifiers and report them directly to the final classification result of one component. In the second level, a genetic algorithm (GA) is used to remove the conflicts between the invalidated remaining pixels. The fourth module is the evaluation and conflict management in the case of a multi-component image. The system handles all the components in parallel; where the above modules are applied on each component independently. The results of the different components are compared, and the adjacent components with highly similar results are grouped within a subset and fused using a GA also. To get the final partitioning result of the multi-component image, the intermediate results of the subsets are evaluated and fused by GA. The system is successfully tested on a large database of synthetic images (mono and multi-component) and also tested on two real applications: classification of invasive plants and pine trees detection

On étudie dans cette thèse des méthodes de localisation coopérative de robots mobiles sans utilisation de mesures extéroceptives relatives, comme des angles ou des distances entre robots. Les systèmes de localisation considérés sont basés sur des mesures de radionavigation sur des balises fixes ou des satellites. Pour ces systèmes, on observe en général un écart entre la position observée et la position réelle. Cet écart systématique (appelé biais) peut être dû à une mauvaise position de la balise ou à une différence entre la propagation réelles des ondes électromagnétiques par rapport aux conditions standard utilisées pour établir les modèles d’observation. L’influence de ce biais sur la localisation des robots est non négligeable. La coopération et l’échange de données entre les robots (estimations des biais, estimations des positions et données proprioceptives) est une approche qui permet de corriger ces erreurs systématiques. La localisation coopérative par échange des estimations est sujette aux problèmes de consanguinité des données qui peuvent engendrer des résultats erronés, en particulier trop confiants. Lorsque les estimations sont utilisées pour la navigation autonome à l’approche, on doit éviter tout risque de collision qui peut mettre en jeu la sécurité des robots et des personnes aux alentours. On doit donc avoir recours à un mécanisme d’intégrité vérifiant que l’erreur commise reste inférieure à une erreur maximale tolérable pour la mission. Dans un tel contexte, il est nécessaire de caractériser des domaines de confiance fiables contenant les positions des robots mobiles avec une forte probabilité. L’utilisation des méthodes ensemblistes à erreurs bornées est considérée alors comme une solution efficace. En effet, ce type d’approche résout naturellement le problème de consanguinité des données et fournit des domaines de confiance fiables. De surcroît, l’utilisation de modèles non-linéaires ne pose aucun problème de linéarisation. Après avoir modélisé un système coopératif de nr robots avec des mesures biaisées sur des balises, une étude d’observabilité est conduite. Deux cas sont considérés selon la nature des mesures brutes des observations. En outre, des conditions d’observabilité sont démontrées. Un algorithme ensembliste de localisation coopérative est ensuite présenté. Les méthodes considérées sont basées sur la propagation de contraintes sur des intervalles et l’inversion ensembliste. La coopération est effectuée grâce au partage des positions estimées, des biais estimés et des mesures proprioceptives.L’échange des estimations de biais permet de réduire les incertitudes sur les positions des robots. Dans un cadre d’étude simple, la faisabilité de l’algorithme est évaluée grâce à des simulations de mesures de distances sur balises en utilisant plusieurs robots. La coopération est comparée aux méthodes non coopératives. L’algorithme coopératif ensembliste est ensuite testé sur des données réelles en utilisant deux véhicules. Les performances de la méthode ensembliste coopérative sont enfin comparées avec deux méthodes Bayésiennes séquentielles, notamment une avec fusion par intersection de covariance. La comparaison est conduite en termes d’exactitude et d’incertitude
In this work, we study some cooperative localization issues for mobile robotic systems that interact with each other without using relative measurements (e.g. bearing and relative distances). The considered localization technologies are based on beacons or satellites that provide radio-navigation measurements. Such systems often lead to offsets between real and observed positions. These systematic offsets (i.e, biases) are often due to inaccurate beacon positions, or differences between the real electromagnetic waves propagation and the observation models. The impact of these biases on robots localization should not be neglected. Cooperation and data exchange (estimates of biases, estimates of positions and proprioceptive measurements) reduce significantly systematic errors. However, cooperative localization based on sharing estimates is subject to data incest problems (i.e, reuse of identical information in the fusion process) that often lead to over-convergence problems. When position information is used in a safety-critical context (e.g. close navigation of autonomous robots), one should check the consistency of the localization estimates. In this context, we aim at characterizing reliable confidence domains that contain robots positions with high reliability. Hence, set-membership methods are considered as efficient solutions. This kind of approach enables merging adequately the information even when it is reused several time. It also provides reliable domains. Moreover, the use of non-linear models does not require any linearization. The modeling of a cooperative system of nr robots with biased beacons measurements is firstly presented. Then, we perform an observability study. Two cases regarding the localization technology are considered. Observability conditions are identified and demonstrated. We then propose a set-membership method for cooperativelocalization. Cooperation is performed by sharing estimated positions, estimated biases and proprioceptive measurements. Sharing biases estimates allows to reduce the estimation error and the uncertainty of the robots positions. The algorithm feasibility is validated through simulation when the observations are beacons distance measurements with several robots. The cooperation provides better performance compared to a non-cooperative method. Afterwards, the cooperative algorithm based on set-membership method is tested using real data with two experimental vehicles. Finally, we compare the interval method performance with a sequential Bayesian approach based on covariance intersection. Experimental results indicate that the interval approach provides more accurate positions of the vehicles with smaller confidence domains that remain reliable. Indeed, the comparison is performed in terms of accuracy and uncertainty

The research theme of this dissertation is the multiple-vehicles cooperative perception (or cooperative perception) applied in the context of intelligent vehicle systems. The general methodology of the presented works in this dissertation is to realize multiple-intelligent vehicles cooperative perception, which aims at providing better vehicle perception result compared with single vehicle perception (or non-cooperative perception). Instead of focusing our research works on the absolute performance of cooperative perception, we focus on the general mechanisms which enable the realization of cooperative localization and cooperative mapping (and moving objects detection), considering that localization and mapping are two underlying tasks for an intelligent vehicle system. We also exploit the possibility to realize certain augmented reality effect with the help of basic cooperative perception functionalities; we name this kind of practice as cooperative augmented reality. Naturally, the contributions of the presented works consist in three aspects: cooperative localization, cooperative local mapping and moving objects detection, and cooperative augmented reality.

Le regroupement de données multivues incomplètes est un axe de recherche majeur dans le domaines de l'exploration de données et de l'apprentissage automatique. Dans les applications pratiques, nous sommes souvent confrontés à des situations où seule une partie des données modales peut être obtenue ou lorsqu'il y a des valeurs manquantes. La fusion de données est une méthode clef pour l'exploration d'informations multivues incomplètes. Résoudre le problème de l'extraction d'informations multivues incomplètes de manière ciblée, parvenir à une collaboration flexible entre les vues visibles et les vues cachées partagées, et améliorer la robustesse sont des défis. Cette thèse se concentre sur trois aspects : l'exploration de données cachées, la fusion collaborative et l'amélioration de la robustesse du regroupement. Les principales contributions sont les suivantes:1) Exploration de données cachées pour les données multi-vues incomplètes : les algorithmes existants ne peuvent pas utiliser pleinement l'observation des informations dans et entre les vues, ce qui entraîne la perte d'une grande quantité d'informations. Nous proposons donc un nouveau modèle de regroupement multi-vues incomplet IMC-NLT (Incomplete Multi-view Clustering Based on NMF and Low-Rank Tensor Fusion) basé sur la factorisation de matrices non négatives et la fusion de tenseurs de faible rang. IMC-NLT utilise d'abord un tenseur de faible rang pour conserver les caractéristiques des vues avec une dimension unifiée. En utilisant une mesure de cohérence, IMC-NLT capture une représentation cohérente à travers plusieurs vues. Enfin, IMC-NLT intègre plusieurs apprentissages dans un modèle unifié afin que les informations cachées puissent être extraites efficacement à partir de vues incomplètes. Des expériences sur cinq jeux de données ont validé les performances d'IMC-NLT.2) Fusion collaborative pour les données multivues incomplètes : notre approche pour résoudre ce problème est le regroupement multivues incomplet par représentation à faible rang. L'algorithme est basé sur une représentation éparse de faible rang et une représentation de sous-espace, dans laquelle les données manquantes sont complétées en utilisant les données d'une modalité et les données connexes d'autres modalités. Pour améliorer la stabilité des résultats de clustering pour des données multi-vues avec différents degrés de manquants, CCIM-SLR utilise le modèle Γ-norm, qui est une méthode de représentation à faible rang ajustable. CCIM-SLR peut alterner entre l'apprentissage de la vue cachée partagée, la vue visible et les partitions de clusters au sein d'un cadre d'apprentissage collaboratif. Un algorithme itératif avec convergence garantie est utilisé pour optimiser la fonction objective proposée.3) Amélioration de la robustesse du regroupement pour les données multivues incomplètes : nous proposons une fusion de la convolution graphique et des goulots d'étranglement de l'information (apprentissage de la représentation multivues incomplète via le goulot d'étranglement de l'information). Nous introduisons la théorie du goulot d'étranglement de l'information afin de filtrer les données parasites contenant des détails non pertinents et de ne conserver que les éléments les plus pertinents. Nous intégrons les informations sur la structure du graphe basées sur les points d'ancrage dans les informations sur le graphe local. Le modèle intègre des représentations multiples à l'aide de goulets d'étranglement de l'information, réduisant ainsi l'impact des informations redondantes dans les données. Des expériences approfondies sont menées sur plusieurs ensembles de données du monde réel, et les résultats démontrent la supériorité de IMRL-AGI. Plus précisément, IMRL-AGI montre des améliorations significatives dans la précision du clustering et de la classification, même en présence de taux élevés de données manquantes par vue (par exemple, 10,23 % et 24,1% respectivement sur l'ensemble de données ORL)
Incomplete multi-view data clustering is a research direction that attracts attention in the fields of data mining and machine learning. In practical applications, we often face situations where only part of the modal data can be obtained or there are missing values. Data fusion is an important method for incomplete multi-view information mining. Solving incomplete multi-view information mining in a targeted manner, achieving flexible collaboration between visible views and shared hidden views, and improving the robustness have become quite challenging. This thesis focuses on three aspects: hidden data mining, collaborative fusion, and enhancing the robustness of clustering. The main contributions are as follows:1. Hidden data mining for incomplete multi-view data: existing algorithms cannot make full use of the observation of information within and between views, resulting in the loss of a large amount of valuable information, and so we propose a new incomplete multi-view clustering model IMC-NLT (Incomplete Multi-view Clustering Based on NMF and Low-Rank Tensor Fusion) based on non-negative matrix factorization and low-rank tensor fusion. IMC-NLT first uses a low-rank tensor to retain view features with a unified dimension. Using a consistency measure, IMC-NLT captures a consistent representation across multiple views. Finally, IMC-NLT incorporates multiple learning into a unified model such that hidden information can be extracted effectively from incomplete views. We conducted comprehensive experiments on five real-world datasets to validate the performance of IMC-NLT. The overall experimental results demonstrate that the proposed IMC-NLT performs better than several baseline methods, yielding stable and promising results.2. Collaborative fusion for incomplete multi-view data: our approach to address this issue is Incomplete Multi-view Co-Clustering by Sparse Low-Rank Representation (CCIM-SLR). The algorithm is based on sparse low-rank representation and subspace representation, in which jointly missing data is filled using data within a modality and related data from other modalities. To improve the stability of clustering results for multi-view data with different missing degrees, CCIM-SLR uses the Γ-norm model, which is an adjustable low-rank representation method. CCIM-SLR can alternate between learning the shared hidden view, visible view, and cluster partitions within a co-learning framework. An iterative algorithm with guaranteed convergence is used to optimize the proposed objective function. Compared with other baseline models, CCIM-SLR achieved the best performance in the comprehensive experiments on the five benchmark datasets, particularly on those with varying degrees of incompleteness.3. Enhancing the clustering robustness for incomplete multi-view data: we offer a fusion of graph convolution and information bottlenecks (Incomplete Multi-view Representation Learning Through Anchor Graph-based GCN and Information Bottleneck - IMRL-AGI). First, we introduce the information bottleneck theory to filter out the noise data with irrelevant details and retain only the most relevant feature items. Next, we integrate the graph structure information based on anchor points into the local graph information of the state fused into the shared information representation and the information representation learning process of the local specific view, a process that can balance the robustness of the learned features and improve the robustness. Finally, the model integrates multiple representations with the help of information bottlenecks, reducing the impact of redundant information in the data. Extensive experiments are conducted on several real-world datasets, and the results demonstrate the superiority of IMRL-AGI. Specifically, IMRL-AGI shows significant improvements in clustering and classification accuracy, even in the presence of high view missing rates (e.g. 10.23% and 24.1% respectively on the ORL dataset)

La segmentation d'images naturelles complexes est généralement imparfaite si l'on n'utilise qu'une seule technique de segmentation. Il est donc nécessaire de faire coopérer plusieurs processus de segmentation. Le travail réalisé dans cette thèse se divise en deux parties: 1) Développement d'une approche coopérative pour la segmentation d'images naturelles. Le principe consiste à utiliser la redondance entre les résultats obtenus par plusieurs segmentations «région» afin de localiser des germes qui ont une grande certitude d'appartenir à des régions homogènes. A partir de ces germes une procédure de croissance de régions basée sur les caractéristiques des germes permet d'agglomérer progressivement les pixels hors germes. Le processus est contrôlé par le gradient de l'image afin d'obtenir une meilleure précision sur les frontières des régions extraites. Les germes sont extraits par un mécanisme de fusion de plusieurs segmentations primaires. Ce mécanisme permet également de proposer une segmentation consensus entre les segmentations de départ. 2) Caractérisation quantitative du résultat de la segmentation: La mesure couramment utilisée est basée sur le pourcentage des pixels mal classés entre le résultat fourni par un algorithme de segmentation et une segmentation de référence. Cette mesure reste insuffisante car elle ignore toute information spatiale sur la localisation des frontières des régions. La nouvelle mesure proposée tient compte à la fois du nombre de pixels mal classés et de leurs localisations. Cette mesure de dissimilarité permet l'évaluation numérique du résultat d'un algorithme de segmentation sur des images où l'on connaît la segmentation de référence. De plus, elle permet d'étendre à l'espace des segmentations certaines techniques de filtrage développées dans le cas de signaux scalaires.