Добірка наукової літератури з теми "Sélection topologique"

Chaque période de la sémiotique, à travers l’un et l’autre de ses courants majeurs, a connu son modèle spatial emblématique, véritable signature épistémique de la mise en forme théorique : carré, hexagone, cercle, strates feuilletées, ellipse, aile de papillon, courbes entre abscisse et ordonnée, spirales, bulles, sphères, etc. On s’intéresse ici à l’une des représentations les plus largement répandues : celle des niveaux entre surface et profondeur. Si la linguistique générative et la sémiotique greimassienne à sa suite, mais dans une autre perspective, ont popularisé le schéma des structures profondes opposables aux structures de surface, elles n’ont fait que prolonger un dispositif spatial qui était transversal à bien d’autres disciplines : sens immanent et sens transcendant ; sens explicite et sens caché ; contenu manifeste et contenu latent ; saillance et prégnance. En recherchant les raisons d’un motif formel aussi récurrent, notre exploration de cette modélisation spatiale interroge l’hypothèse localiste, qui postule la spatialisation comme une isotopie sémantique première et modélisante, se présentant comme un signifiant disponible pour la formation des contenus non spatiaux. Le « catachrésisme » spatial régirait la formation du langage. On revient alors sur le parcours génératif de la signification pour tenter de comprendre les raisons de son succès pédagogique et de son relatif insuccès scientifique. Les procédures de conversion qui assurent le passage d’un niveau à l’autre transforment le statisme des niveaux en dynamisme des échanges. Les strates opèrent comme des filtres à mailles progressives : les très grosses mailles des structures profondes s’affinant peu à peu pour ne plus laisser passer, en surface que les sèmes à mailles fines. Une nouvelle figure spatiale refait alors son apparition, la densité sémique, et la syntagmatique du parcours l’emporte sur la paradigmatique des niveaux. C’est donc pour finir ce mot « parcours » qui nous arrête, avec la mouvance indéterminée et sans bord qui lui est inhérente. Cela implique une instance mobile qui prend en charge ce parcours, un randonneur énonciatif du faire scientifique. On place alors l’énonciation comme centre opérateur du parcours, muni de ses composantes liées : sensible, par l’ancrage somatique de toute énonciation possible (cf. la phusis), et cognitive, par une projection des formants dont la générativité peut donner l’image. Soumis au primat de la perspective, ce sont les différents régimes sémiotiques de sélection des formes d’expression et des formes de contenu qui modélisent, in fine, le, ou plutôt les, parcours.

Les algorithmes évolutionnaires sont des méthodes d'optimisation approchées manipulant une population de solutions. Leur fonctionnement s'inspire de la théorie de l'évolution de Darwin. L'application combinée d'opérateurs stochastiques et de mécanismes de sélection permet de renouveler la population en explorant l'espace de recherche et en exploitant la qualité des solutions déjà découvertes. La vitesse de convergence d'un algorithme évolutionnaire dépend de sa capacité à générer de nouvelles solutions performantes en se dirigeant vers des régions prometteuses de l'espace de recherche et de celles des solutions à survivre en fonction de leur qualité déterminée par la pression de sélection. Celle-ci permet de contrôler le compromis entre exploration et exploitation et d'éviter une convergence prématurée vers un optimum local. Les algorithmes évolutionnaires cellulaires introduisent une notion de voisinage géographique en structurant spatialement les solutions sur une grille. Cela permet d'ajouter un niveau topologique entre les niveaux phénotypique et génotypique. Dans ce contexte, nous définissons de nouvelles méthodes de sélection permettant à l'aide d'un paramètre continu et borné de contrôler la topologie et ainsi d'obtenir des dynamiques plus complexes. Plutôt que de restreindre les solutions à évoluer sur une grille régulière où chaque cellule est indifférenciée, nous proposons d'enrichir la topologie en introduisant des notions d'anisotropie et de localité. Nous étudions l'influence de la sélection topologique sur la préservation de la diversité génotypique. Les expériences menées sur deux classes de problèmes NP-complets montrent que la prise en compte d'un point de vue topologique permet d'obtenir un bon équilibre entre exploration et exploitation. Dans le but d'étudier la dynamique de recherche et en particulier d'analyser l'efficacité des compromis observés, nous définissons un modèle théorique basé sur la notion d'équilibres ponctués. Enfin, nous proposons des algorithmes de contrôle utilisant la sélection topologique afin de réguler dynamiquement la pression de sélection et ainsi de gérer le rapport entre phases d'exploration et d'exploitation sans connaissance a priori sur les problèmes étudiés
Evolutionary algorithms are stochastic optimization methods manipulating a population of solutions. Their behaviour is inspired by Darwin's theory of evolution. The combined application of stochastic operators and selection mechanisms allow renewing the population by exploring the search space and exploiting the already found solutions. The convergence speed of an evolutionary algorithm relies on its ability to generate efficient solutions by leading the search toward promising regions of the search space, and the ability of solutions to survive according to their fitness defined by the selective pressure. The latter allows dealing with the exploration / exploitation trade-off and prevents the algorithm from converging prematurely toward a local optimum. Evolutionary cellular algorithms introduce a notion of geographical neighborhood by embedding the solution on a grid. This adds a topological level between the phenotypical and genotypical ones. In this context, we define new selection methods that allow controlling the topology and obtain complex dynamics thanks to a single continuous and bounded parameter. Instead of restricting solutions to evolve on a uniform grid, we propose to enhance the topology with notions of anisotropy and locality. We study the influence of the topological selection on the preservation of genotypic diversity. Experiences made on two classes of NP-complete problems show that taking into account the topological level leads to a fine equilibrium between exploration and exploitation. In order to study the search dynamic and especially to analyze the efficiency of the observed trade-offs, we define a model based on the notion of punctuated equilibria. Finally, we propose adaptive algorithms in the intent of dynamically controlling the selective pressure and thus dealing with the relation between exploration and exploitation phases without any knowledge on the studied problems

Cette thèse se concentre sur les approches hiérarchiques et topologiques pour le clustering et la visualisation de données. Le problème du clustering devient de plus en plus compliqué en raison de présence de données structurées sous forme de graphes, arbres ou données séquentielles. Nous nous sommes particulièrement intéressés aux cartes auto-organisatrices et au modèle hiérarchique AntTree qui modélise la capacité des fourmis réelles. En combinant ces approches, l’objectif est de présenter les données dans une structure hiérarchique et topologique. Dans ce rapport, nous présentons trois modèles, dans le premier modèle nous montrons l’intérêt d’utiliser les structures hiérarchiques et topologiques sur des ensembles de données structurés sous forme de graphes. Le second modèle est une version incrémentale qui n’impose pas de règles sur la préservation de la topologie. Le troisième modèle aborde notamment la problématique de la sélection de variable en utilisant la structure hiérarchique, nous proposons un nouveau score pour sélectionner les variables pertinentes en contraignant le score Laplacien. Enfin, cette thèse propose plusieurs perspectives pour des travaux futurs
This thesis focuses on clustering approaches inspired from topological models and an autonomous hierarchical clustering method. The clustering problem becomes more complicated and difficult due to the growth in quality and quantify of structured data such as graphs, trees or sequences. In this thesis, we are particularly interested in self-organizing maps which have been generally used for learning topological preservation, clustering, vector quantization and graph visualization. Our studyconcerns also a hierarchical clustering method AntTree which models the ability of real ants to build structure by connect themselves. By combining the topological map with the self-assembly rules inspired from AntTree, the goal is to represent data in a hierarchical and topological structure providing more insight data information. The advantage is to visualize the clustering results as multiple hierarchical trees and a topological network. In this report, we present three new models that are able to address clustering, visualization and feature selection problems. In the first model, our study shows the interest in the use of hierarchical and topological structure through several applications on numerical datasets, as well as structured datasets e. G. Graphs and biological dataset. The second model consists of a flexible and growing structure which does not impose the strict network-topology preservation rules. Using statistical characteristics provided by hierarchical trees, it accelerates significantly the learning process. The third model addresses particularly the issue of unsupervised feature selection. The idea is to use hierarchical structure provided by AntTree to discover automatically local data structure and local neighbors. By using the tree topology, we propose a new score for feature selection by constraining the Laplacian score. Finally, this thesis offers several perspectives for future work

Les avancées technologiques ont permis le stockage de grandes masses de données en termes de taille (nombre d’observations) et de dimensions (nombre de variables).Ces données nécessitent de nouvelles méthodes, notamment en modélisation prédictive (data science ou science des données), de traitement statistique adaptées à leurs caractéristiques. Dans le cadre de cette thèse, nous nous intéressons plus particulièrement aux données dont le nombre de variables est élevé comparé au nombre d’observations.Pour ces données, une réduction du nombre de variables initiales, donc de dimensions, par la sélection d’un sous-ensemble optimal, s’avère nécessaire, voire indispensable.Elle permet de réduire la complexité, de comprendre la structure des données et d’améliorer l’interprétation des résultats et les performances du modèle de prédiction ou de classement en éliminant les variables bruit et/ou redondantes.Nous nous intéressons plus précisément à la sélection de variables dans le cadre de l’apprentissage supervisé et plus spécifiquement de la discrimination à catégories multiples dite multi-classes. L’objectif est de proposer de nouvelles méthodes de sélection de variables pour les modèles de discrimination multi-classes appelés Machines à Vecteurs Support Multiclasses (MSVM).Deux approches sont proposées dans ce travail. La première, présentée dans un contexte classique, consiste à sélectionner le sous-ensemble optimal de variables en utilisant le critère de "la borne rayon marge" majorante du risque de généralisation des MSVM. Quant à la deuxième approche, elle s’inscrit dans un contexte topologique et utilise la notion de graphes de voisinage et le critère de degré d’équivalence topologique en discrimination pour identifier les variables pertinentes qui constituent le sous-ensemble optimal du modèle MSVM.L’évaluation de ces deux approches sur des données simulées et d’autres réelles montre qu’elles permettent de sélectionner, à partir d’un grand nombre de variables initiales, un nombre réduit de variables explicatives avec des performances similaires ou encore meilleures que celles obtenues par des méthodes concurrentes
The technological progress has allowed the storage of large amounts of data in terms of size (number of observations) and dimensions (number of variables). These data require new methods, especially for predictive modeling (data science), of statistical processing adapted to their characteristics. In this thesis, we are particularly interested in the data with large numberof variables compared to the number of observations.For these data, reducing the number of initial variables, hence dimensions, by selecting an optimal subset is necessary, even imperative. It reduces the complexity, helps to understand the data structure, improves the interpretation of the results and especially enhances the performance of the forecasting model by eliminating redundant and / or noise variables.More precisely, we are interested in the selection of variables in the context of supervised learning, specifically of multiclass discrimination. The objective is to propose some new methods of variable selection for multiclass discriminant models called Multiclass Support Vector Machines (MSVM).Two approaches are proposed in this work. The first one, presented in a classical context, consist in selecting the optimal subset of variables using the radius margin upper bound of the generalization error of MSVM. The second one, proposed in a topological context, uses the concepts of neighborhood graphs and the degree of topological equivalence in discriminationto identify the relevant variables and to select the optimal subset for an MSVM model.The evaluation of these two approaches on simulated and real data shows that they can select from a large number of initial variables, a reduced number providing equal or better performance than those obtained by competing methods

Cette thèse présente la recherche d'oscillations d'antineutrinos actifs vers des antineutrinos stériles avec le détecteur SoLi∂. Ce détecteur promeut un concept innovant basé sur un sandwich de plastiques scintillant formé de polyvinyle-toluène composite et de scintillateurs 6LiF:ZnS(Ag). Trois contributions principales à cette recherche sont rapportées dans ce document. La première concerne une nouvelle méthode de reconstruction basée sur l'algorithme ML-EM. Elle vise à transformer la réponse brute du détecteur en une liste de positions (avec des énergies dédiées) où l'interaction physique réelle dans le détecteur a eu lieu. La seconde concerne l'étalonnage en énergie du détecteur. Elle comprend à la fois l'étalonnage relatif au moyen de muons cosmiques horizontaux et l'exploration de plusieurs options pour la détermination de l'échelle d'énergie absolue. Enfin, la thèse présente une nouvelle méthode de sélection des candidats antineutrinos basée sur l'analyse de la partie électromagnétique du signal de désintégration bêta inverse et leur classement en fonction de la géométrie des événements dans le détecteur (topologies). L'analyse a été développée en aveugle et la méthode a été validée avec une petite fraction de l'échantillon de données
This thesis presents the search for active-to-sterile antineutrino oscillations with the SoLi∂ detector, which has an innovative concept based on a sandwich of composite polyvinyl-toluene and 6LiF:ZnS(Ag) scintillators. Three main contributions to this search are reported. The first one describes the new reconstruction method based on the ML-EM algorithm. It is aimed at transformation of the raw detector response to the list of positions (with dedicated energies) where actual physics interaction in the detector took place. The second one describes the energy calibration of the detector. It includes both relative calibration with the cosmic horizontal muons and exploration of several options for the absolute energy scale derivation. Finally, the thesis presents a novel method for selecting antineutrino candidates based on the analysis of the electromagnetic part of the inverse beta decay signal and categorising them according to the geometry of the events in the detector (topologies). The analysis was developed blindly and the method was validated with a small fraction of the data sample

Cette thèse est à l'intersection de deux domaines de recherche en plein expansion, à savoir la fouille de données et la bio-informatique. Avec l'émergence des bases de graphes au cours des dernières années, de nombreux efforts ont été consacrés à la fouille des sous-graphes fréquents. Mais le nombre de sous-graphes fréquents découverts est exponentiel, cela est due principalement à la nature combinatoire des graphes. Beaucoup de sous-graphes fréquents ne sont pas pertinents parce qu'ils sont redondants ou tout simplement inutiles pour l'utilisateur. En outre, leur nombre élevé peut nuire ou même rendre parfois irréalisable toute utilisation ultérieure. La redondance dans les sous-graphes fréquents est principalement due à la similarité structurelle et / ou sémantique, puisque la plupart des sous-graphes découverts diffèrent légèrement dans leur structures et peuvent exprimer des significations similaires ou même identiques. Dans cette thèse, nous proposons deux approches de sélection des sous-graphes représentatifs parmi les fréquents a n d'éliminer la redondance. Chacune des approches proposées s'intéresse à un type spécifique de redondance. La première approche s'adresse à la redondance sémantique où la similarité entre les sous-graphes est mesurée en fonction de la similarité entre les étiquettes de leurs nœuds, en utilisant les connaissances de domaine. La deuxième approche s'adresse à la redondance structurelle où les sous-graphes sont représentés par des descripteurs topologiques définis par l'utilisateur, et la similarité entre les sous-graphes est mesurée en fonction de la distance entre leurs descriptions topologiques respectives. Les principales données d'application de cette thèse sont les structures 3D des protéines. Ce choix repose sur des raisons biologiques et informatiques. D'un point de vue biologique, les protéines jouent un rôle crucial dans presque tous les processus biologiques. Ils sont responsables d'une variété de fonctions physiologiques. D'un point de vue informatique, nous sommes intéressés à la fouille de données complexes. Les protéines sont un exemple parfait de ces données car elles sont faites de structures complexes composées d'acides aminés interconnectés qui sont eux-mêmes composées d'atomes interconnectés. Des grandes quantités de structures protéiques sont actuellement disponibles dans les bases de données en ligne. Les structures 3D des protéines peuvent être transformées en graphes où les acides aminés représentent les nœuds du graphe et leurs connexions représentent les arêtes. Cela permet d'utiliser des techniques de fouille de graphes pour les étudier. L'importance biologique des protéines et leur complexité ont fait d'elles des données d'application appropriées pour cette thèse.

Afin de répondre au besoin de capacité dans les réseaux sans fil, les techniques de transmission, et les modèles pour les étudier, ont évolués rapidement. Des communications point à point avec une seule antenne nous sommes passé aux réseaux cellulaires de nos jours: de multiples cellules et de multiples antennes. Progressivement, plusieurs hypothèses ont été faites, soit afin d'avoir des modèles réalistes, mais aussi parfois pour permettre une analyse plus simple. Nous analysons l'impact de trois aspects des réseaux réels. Nous nous concentrons sur le délai dans l'acquisition des coefficients des canaux par l'émetteur puisque sa prise en compte détériore grandement le gain de multiplexage du canal si rien n'est fait pour utiliser efficacement le temps mort au cours duquel les émetteurs ne transmettent pas et n'ont pas encore la connaissance du canal. Nous proposons des schémas de transmission pour utiliser efficacement ce temps mort afin d'améliorer le gain de multiplexage. Dans les réseaux multi-cellulaires, un schéma de transmission optimal est proposé et permet de n'avoir aucune perte de gain de multiplexage même en cas de retard important dans la connaissance de canal. Concernant le nombre d'utilisateurs, nous proposons un nouveau critère pour la sélection des utilisateurs de les configurations à une seule cellule afin de bénéficier de la diversité multi-utilisateurs, et nous proposons deux schémas d'alignement d'interférence pour systèmes multicellulaires afin de bénéficier du fait qu'il y a généralement plusieurs utilisateurs dans chaque cellule. Des schémas bénéficiant de la connectivité partielle pour augmenter le gain de multiplexage sont également proposés
In order to meet ever-growing needs for capacity in wireless networks, transmission techniques and the system models used to study their performances have rapidly evolved. From single-user single-antenna point-to-point communications to modern multi-cell multi-antenna networks there have been large advances in technology. Along the way, several assumptions are made in order to have either more realistic models, but also to allow simpler analysis. We analyze three aspects of actual networks and try to benefit from them when possible or conversely, to mitigate their negative impact. We focus on the delay in the CSI acquisition. Precisely, when taken into account, this delay greatly impairs the channel multiplexing gain if nothing is done to use the dead time during which the transmitters are not transmitting and do not yet have the CSI. We review and propose different schemes to efficiently use this dead time to improve the multiplexing gain in both the BC and the interference channel (IC). We evaluate the more relevant net multiplexing gain, taking intoaccount the training and feedback overhead. Results are surprising because potential schemes to fight delay reveal to be burdened byimpractical overheads in the BC. In the IC, an optimal scheme is proposed. It allows avoiding any loss of multiplexing gain even forsignificant delay in the CSI acquisition. Concerning the number of users, we propose a new criterion for the greedy user selection in a BC to benefit of the multi-user diversity, and two interference alignment schemes for the IC to benefit of having multiple users in each cell. Finally, partially connected cellular networks are considered and schemes to benefit from said partial connectivity to increase the multiplexing gain are proposed

This thesis is in the intersection of two proliferating research fields, namely data mining and bioinformatics. With the emergence of graph data in the last few years, many efforts have been devoted to mining frequent subgraphs from graph databases. Yet, the number of discovered frequentsubgraphs is usually exponential, mainly because of the combinatorial nature of graphs. Many frequent subgraphs are irrelevant because they are redundant or just useless for the user. Besides, their high number may hinder and even makes further explorations unfeasible. Redundancy in frequent subgraphs is mainly caused by structural and/or semantic similarities, since most discovered subgraphs differ slightly in structure and may infer similar or even identical meanings. In this thesis, we propose two approaches for selecting representative subgraphs among frequent ones in order to remove redundancy. Each of the proposed approaches addresses a specific type of redundancy. The first approach focuses on semantic redundancy where similarity between subgraphs is measured based on the similarity between their nodes' labels, using prior domain knowledge. The second approach focuses on structural redundancy where subgraphs are represented by a set of user-defined topological descriptors, and similarity between subgraphs is measured based on the distance between their corresponding topological descriptions. The main application data of this thesis are protein 3D-structures. This choice is based on biological and computational reasons. From a biological perspective, proteins play crucial roles in almost every biological process. They are responsible of a variety of physiological functions. From a computational perspective, we are interested in mining complex data. Proteins are a perfect example of such data as they are made of complex structures composed of interconnected amino acids which themselves are composed of interconnected atoms. Large amounts of protein structures are currently available in online databases, in computer analyzable formats. Protein 3D-structures can be transformed into graphs where amino acids are the graph nodes and their connections are the graph edges. This enables using graph mining techniques to study them. The biological importance of proteins, their complexity, and their availability in computer analyzable formats made them a perfect application data for this thesis.

Ce manuscrit présente une étude fonctionnelle et structurale du cytochrome P450 2J2 humain (CYP2J2), enzyme exprimée dans les tissus cardiovasculaires, dont les rôles biologiques sont mal connus. En utilisant la terfénadone comme base structurale, qui est un composé oxydé régiosélectivement par le CYP2J2, plusieurs composés ont été synthétisés se sont révélés être des inhibiteurs affins et sélectifs du CYP2J2. En particulier, un inhibiteur très affin et compétitif (Ki = 160 nM) et deux substrats suicides efficaces du CYP2J2 (kinact/Ki 3000 L/mol/s) ont été mis en évidence. L'étude de l'oxydation de ces composés par le CYP2J2 a révélé une régiosélectivité surprenante, en faveur d'une position chimiquement moins réactive vis-à-vis des oxydations. La caractérisation du site actif du CYP2J2 et l'identification de résidus importants pour la reconnaissance des dérivés de terfénadone a pu être réalisée en construisant un modèle par homologie 3D de cette enzyme et par le docking de certains dérivés dans le site actif du CYP2J2. Enfin, une étude préliminaire des rôles biologiques possibles du CYP2J2 a été réalisée en étudiant les effets inhibiteur de ce P450. En conclusion, ce travail a permis de caractériser les premiers outils biochimiques d'étude des rôles biologiques du CYP2J2, de proposer une première topologie du site actif du CYP2J2, et d'affiner les rôles biologiques du CYP2J2.

L'extension de la morphologie mathématique au domaine de la couleur ou du multi/ hyperspectral en traitement et analyse d'images n'est pas élémentaire. La majorité des approches se sont focalisées sur la formulation mathématique des opérateurs sans prendre en compte le sens physique ou perceptuel de l'information couleur/spectrale. Les outils développés dans ce travail s'inscrivent dans un nouveau formalisme générique basé sur une fonction de distance. Cette construction permet d'utiliser les opérateurs morphologiques dans le domaine de la couleur ou du multi/hyperspectral en adaptant la fonction de distance. De plus, le choix de la fonction de distance rend les opérateurs valides au sens de la perception ou de la physique. Face aux nombre croissant d'approches existantes, des critères de sélection ont été développés afin de les comparer les différentes écritures de morphologie mathématique. Ces critères sont basés sur le respect des propriétés théoriques des opérateurs, sur les propriétés métrologiques et sur l'efficacité numérique. Grâce à un formalisme prenant en compte l'information perceptuelle de la couleur et intégrant une définition valide des éléments structurants non-plats, deux types d'opérateurs de plus haut niveau ont été définis. Le premier est un détecteur d'objets spatio-colorimétrique passant par la définition d'un gabarit spatial et vectoriel. Le second, est le calcul de spectres de textures vectoriels. L'extension des deux propos au spectral a été réalisé et ouvre de nouvelles questions scientifiques. \vspace{0.5em}

La question de l’impact du changement climatique sur l’évolution temporelle des précipitations ainsi que l’impact de l’ilot de chaleur parisien sur la répartition spatiale des précipitations motivent l’étude de la variabilité du cycle de l’eau à fine échelle en Île-de-France. Une façon d'analyser cette variabilité en utilisant les données d'un réseau de pluviomètres est d'effectuer une classification sur les séries temporelles mesurées par le réseau. Dans cette thèse, nous avons exploré deux approches pour la classification des séries temporelles : pour la première approche basée sur la description des séries par des caractéristiques, un algorithme de sélection des caractéristiques basé sur les algorithmes génétiques et les cartes topologiques a été proposé. Pour la deuxième approche basée sur la comparaison de formes, une mesure de dissimilarité (Itérative downscaling time warping) a été développée pour comparer deux séries temporelles. Ensuite les limites des deux approches ont été discutées et suivies d'une mise en place d'une approche mixte qui combine les avantages de chaque approche. L’approche a d’abord été appliquée à l’évaluation de la variabilité spatiale des précipitations. Pour l’évaluation de la variabilité temporelle des précipitations, une classification des événements de précipitation observés par une station a été réalisée puis étendue sur l’ensemble du réseau pluviométrique. L’application sur la série historique de Paris-Montsouris (1873-2015) permet de discriminer automatiquement les années « remarquables » d’un point de vue météorologique
The impact of climat change on the temporal evolution of precipitation as well as the impact of the Parisian heat island on the spatial distribution of précipitation motivate studying the varaibility of the water cycle on a small scale on île-de-france. one way to analyse this varaibility using the data from a rain gauge network is to perform a clustring on time series measured by this network. In this thesis, we have explored two approaches for time series clustring : for the first approach based on the description of series by characteristics, an algorithm for selecting characteristics based on genetic algorithms and topological maps has been proposed. for the second approach based on shape comparaison, a measure of dissimilarity (iterative downscaling time warping) was developed to compare two rainfall time series. Then the limits of the two approaches were discuddes followed by a proposition of a mixed approach that combine the advantages of each approach. The approach was first applied to the evaluation of spatial variability of precipitation on île-de-france. For the evaluation of the temporal variability of the precpitation, a clustring on the precipitation events observed by a station was carried out then extended on the whole rain gauge network. The application on the historical series of Paris-Montsouris (1873-2015) makes it possible to automatically discriminate "remarkable" years from a meteorological point of view