Depuis une quinzaine d'années de nombreux travaux s'attachent à utiliser les systèmes MIMO afin d'augmenter la capacité de Shannon associée aux traditionnels systèmes SISO. Dans ce but, un problème crucial consiste en la conception de l'émetteur optimal au sens de la capacité de Shannon. Cette problématique a fait l'objet de nombreuses études dans le cas où le canal de transmission MIMO est non sélectif en fréquence ; elle est cependant nettement moins mature dans le cadre d'un canal MIMO sélectif en fréquence. Cette thèse s'intéresse ainsi dans une première partie à l'optimisation, au sens de la capacité ergodique, de la covariance du vecteur transmis, via la théorie des matrices aléatoires. L'utilisation de plusieurs antennes d'émission permet également d'augmenter les performances en réception grâce à la diversité induite. Dans une seconde partie, nous nous intéressons ainsi à la diversité liée aux récepteurs MMSE. A l'inverse des récepteurs ML ces récepteur sont sous-optimaux mais très simples à mettre en oeuvre. Dans un premier temps nous étudions la diversité de tels récepteurs à haut SNR pour des canaux sélectifs en fréquence, tandis que nous nous attardons dans un second temps sur un facteur de diversité, l'utilisation des codes spatio-temporels en bloc, plus spécifiquement l'utilisation du code d'Alamouti. Ainsi, nous proposons et analysons en contexte multi-utilisateur un nouveau récepteur MMSE robuste aux interférences car exploitant au mieux les degrés de liberté du canal / For fifteen years many studies have used MIMO systems to increase the Shannon capacity of the traditional SISO systems. To this end, a crucial problem is the design of transmitters which are optimal w.r.t. Shannon capacity, by the use of space-time codes or of prior knowledge on the transmission channel. These problems have been addressed by many studies in the case of frequency flat MIMO channels but are really less mature for frequency selective MIMO channels. This thesis focuses in the first part on the optimization, w.r.t. the ergodic capacity, of the covariance of the vector transmitted, via the Random Matrix Theory. Using multiple transmit antennas also gives rise to diversity, which improves the receiving performance. In the second part, we thus focus on the diversity, in the specific case of a MMSE receiver. Unlike the ML receiver, this receiver is suboptimal but very simple to implement. We first study the diversity at high SNR for frequency selective channels. We then focus on a diversity factor, the use of space-time codes in block (STBC), specifically the use of the Alamouti code. Thus, we propose and analyze in the multiuser context a new MMSE receiver robust to interference thanks to its ability to use optimally the degrees of freedom available in the channel

Cultivos de extensa área de produção e manejo intensivo, como a indústria canavieira, demandam maior responsabilidade em relação ao conhecimento da sua contribuição na diminuição ou aumento dos gases de efeito estufa. Dentro do manejo do sistema de produção de cana-de-açúcar existe uma etapa de renovação do canavial, período pós última colheita que antecipa a implantação de um novo cultivo de cana. O estudo tem por objetivo avaliar a contribuição do período de renovação de um canavial em relação aos fluxos de massa e energia dentro do sistema produtivo de cana-de-açúcar, considerando a inserção de um cultivo de soja após período de pousio sobre solo com cobertura de palha e sem cobertura, em um canavial localizado em Piracicaba - SP, Brasil. A obtenção dos fluxos foi realizada com o método \"Eddy Covariance\". Com o solo em pousio e cobertura de palha, o fluxo líquido de CO2 (NEE) médio foi de 2,51 µmolCO2 m-2 s-1 e evapotranspiração média do período de 0,72 mm d-1. O período de pousio com solo sem cobertura teve um NEE de 3,10 µmol CO2 m-2 s-1 e evapotranspiração média do período de 2,04 mm d-1. Com a inserção de um cultivo de soja, a área passou a apresentar um comportamento de consumo no lugar da emissão de CO2, com um fluxo médio diário de NEE (da semeadura à maturação de colheita) de -1,47 µmolCO2 m-2 s-1 e evapotranspiração média de 4,52 mm d-1. Para o balanço energético da renovação do canavial, 84,6% da energia disponível no período de pousio sob os dois manejos de cobertura foi utilizada pelo fluxo de calor latente e fluxo de calor sensível, e para o cultivo de soja esta relação foi de 73,4%. Considerando o balanço da troca líquida de CO2 em relação às médias apresentadas, o saldo é positivo, ou seja, a renovação deste canavial foi responsável por maior emissão que consumo de CO2, de acordo com o manejo realizado. O cultivo da soja não compensou a emissão do período em pousio, mas tem potencial de amenizar no total do período. / Crops with extensive production areas and intensive management such as the sugar cane industry demand greater responsibility in relation to the knowledge of their contribution in the reduction or increase of greenhouse gases. Within the management of the sugar cane production system there is a stage of renewal of the cane field, a period after the last harvest that anticipates the implantation of a new sugarcane crop. The objective of this study is to evaluate the contribution of the renewal period of a sugarcane field in relation to the mass and energy flows within the sugarcane production system, considering the insertion of a soybean crop after fallow period on soil with cover of straw and without cover, in a field located in Piracicaba - SP, Brazil. Flows were obtained using the \"Eddy Covariance\" method. In the fallow soil with straw cover, the mean net CO2 flux (NEE) was of 2,51 µmol CO2 m-2 s-1 and average evapotranspiration of the period was 0,72 mm day-1. The fallow period without cover had an mean NEE of 3,10 µmol CO2 m-2 s-1 and average evapotranspiration of 2,04 mm day-1. With the insertion of a soybean crop, the area presented assimilation in place of CO2 emission, with a daily mean of NEE (from sowing to harvest maturation) of -1,47 µmol CO2 m-2 s-1 and average evapotranspiration of 4,52 mm day-1. For the energy balance of the sugarcane renewal, 84,6% of the available energy in the fallow period under the two cover treatments was used by the latent heat flux and sensible heat flux. For soybean cultivation this relation was 73,4%. Considering the balance of the net CO2 exchange in relation to the averages presented, the balance is positive, that is, the renovation of this sugarcane field was responsible for higher emissions than CO2 assimilation, according to the management implemented. The soybean crop did not compensate for the fallow period, but it has the potential to reduce the total balance.

Dans le secteur de l'automobile, les turbomachines sont des machines tournantes participant au refroidissement des moteurs des voitures. Leur performance dépend de multiples paramètres géométriques qui déterminent leur forme. Cette thèse s'inscrit dans le projet ANR PEPITO réunissant industriels et académiques autour de l'optimisation de ces turbomachines. L'objectif du projet est de trouver la forme du ventilateur maximisant le rendement en certains points de fonctionnement. Dans ce but, les industriels ont développé des codes CFD (computational fluid dynamics) simulant le fonctionnement de la machine. Ces codes sont très coûteux en temps de calcul. Il est donc impossible d'utiliser directement le résultat de ces simulations pour conduire une optimisation.Par ailleurs, lors de la construction des turbomachines, on observe des perturbations sur les paramètres d'entrée. Elles sont le reflet de fluctuations des machines de production. Les écarts observés sur la forme géométrique finale de la turbomachine peuvent provoquer une perte de performance conséquente. Il est donc nécessaire de prendre en compte ces perturbations et de procéder à une optimisation robuste à ces fluctuations. Dans ce travail de thèse, nous proposons des méthodes basées sur du krigeage répondant aux deux principales problématiques liées à ce contexte de simulations coûteuses :• Comment construire une bonne surface de réponse pour le rendement lorsqu'il y a beaucoup de paramètres géométriques ?• Comment procéder à une optimisation du rendement efficace tout en prenant en compte les perturbations des entrées ?Nous répondons à la première problématique en proposant plusieurs algorithmes permettant de construire un noyau de covariance pour le krigeage adapté à la grande dimension. Ce noyau est un produit tensoriel de noyaux isotropes où chacun de ces noyaux est lié à un sous groupe de variables d'entrée. Ces algorithmes sont testés sur des cas simulés et sur une fonction réelle. Les résultats montrent que l'utilisation de ce noyau permet d'améliorer la qualité de prédiction en grande dimension. Concernant la seconde problématique, nous proposons plusieurs stratégies itératives basées sur un co-krigeage avec dérivées pour conduire l'optimisation robuste. A chaque itération, un front de Pareto est obtenu par la minimisation de deux objectifs calculés à partir des prédictions de la fonction coûteuse. Le premier objectif représente la fonction elle-même et le second la robustesse. Cette robustesse est quantifiée par un critère estimant une variance locale et basée sur le développement de Taylor. Ces stratégies sont comparées sur deux cas tests en petite et plus grande dimension. Les résultats montrent que les meilleures stratégies permettent bien de trouver l'ensemble des solutions robustes. Enfin, les méthodes proposées sont appliquées sur les cas industriels propres au projet PEPITO. / The turbomachineries are rotary machines used to cool down the automotive engines. Their efficiency is impacted by a high number of geometric parameters that describe the shape.My thesis is fully funded by the ANR project PEPITO where industrials and academics collaborate. The aim of this project is to found the turbomachineries shape that maximizes the efficiency.That is why, industrials have developed numerical CFD (Computational fluid dynamics) codes that simulate the work of turbomachineries. However, the simulations are time-consuming. We cannot directly use the simulations provided to perform the optimization.In addition, during the production line, the input variables are subjected to perturbations. These perturbations are due to the production machineries fluctuations. The differences observed in the final shape of the turbomachinery can provoke a loss of efficiency. These perturbations have to be taken into account to conduct an optimization robust to the fluctuations. In this thesis, since the context is time consuming simulations we propose kriging based methods that meet the requirements of industrials. The issues are: • How can we construct a good response surface for the efficiency when the number of input variables is high?• How can we lead to an efficient optimization on the efficiency that takes into account the inputs perturbations?Several algorithms are proposed to answer to the first question. They construct a covariance kernel adapted to high dimension. This kernel is a tensor product of isotropic kernels in each subspace of input variables. These algorithms are benchmarked on some simulated case and on a real function. The results show that the use of this kernel improved the prediction quality in high dimension. For the second question, seven iterative strategies based on a co-kriging model are proposed to conduct the robust optimization. In each iteration, a Pareto front is obtained by the minimization of two objective computed from the kriging predictions. The first one represents the function and the second one the robustness. A criterion based on the Taylor theorem is used to estimate the local variance. This criterion quantifies the robustness. These strategies are compared in two test cases in small and higher dimension. The results show that the best strategies have well found the set of robust solutions. Finally, the methods are applied on the industrial cases provided by the PEPITO project.

La technique micro météorologique de covariance de turbulences est utilisée pour estimer les échanges de CO2 entre les écosystèmes et latmosphère. Des centaines de sites instrumentés, répartis dans le monde entier, lutilisent désormais pour étudier une grande variété décosystèmes. Cette technique est cependant entachée dune erreur systématique lorsquelle est appliquée sur des couverts hauts comme des forêts, en conditions atmosphériques stables, cest-à-dire essentiellement pendant les nuits peu venteuses et sans couverture nuageuse. Pendant ces périodes, en effet, le transport turbulent serait concurrencé par un autre mécanisme de transport qui est ladvection. Dans ce travail, la présence dadvection a été testée sur le site expérimental forestier de Vielsalm (Belgique) et son importance a été évaluée. A cette fin, un dispositif expérimental permettant des mesures de vitesse de vent, de concentration de CO2 et de température de lair à lintérieur de la forêt a été installé. Il a permis la mise en évidence, pendant les périodes stables, découlements gravitationnels se réalisant près du sol suite au refroidissement des surfaces et à la présence dune faible pente. Il a été montré que ces écoulements étaient responsables du transport advectif de CO2. Une analyse dincertitude a été menée à laide de campagnes de mesures spécifiques. Elle a conclu à la faisabilité des mesures de gradients verticaux et surtout horizontaux de CO2 sur le site mais a montré que le plus grand facteur dincertitude portait sur les estimations de la composante verticale de la vitesse au-dessus de et dans la forêt. Malgré ces incertitudes, une analyse fine des épisodes gravitationnels a permis de mettre en évidence un mécanisme cohérent liant les écoulements dair et le champ des concentrations de CO2 et permettant de mieux comprendre comment le CO2 pouvait être transporté latéralement et verticalement par les écoulements gravitationnels. Finalement, la faisabilité dune correction basée sur lestimation des termes advectifs a été évaluée. Il a été montré que les incertitudes portant sur ladvection étaient trop importantes pour permettre daméliorer sensiblement le bilan nocturne des flux de CO2 au moyen de cette méthode. Celle-ci savère toutefois intéressante pour mieux comprendre les processus de transport à loeuvre dans un couvert forestier./The micrometeorological technique of eddy-covariance is used for the estimation of the CO2 exchange between the ecosystems and the atmosphere. Hundreds of instrumented sites, spread all over the world, use it henceforth to study a great variety of ecosystems. This technique is however affected by a systematic error when applied above tall canopies like forests, in stable atmospheric conditions, i.e. primarily during non windy nights without cloud cover. Indeed, during these periods the turbulent transport would be competed with by another transport mechanism which is called advection. In this work, the presence of advection has been tested on the experimental forested site of Vielsalm (Belgium) and its importance has been evaluated. For this purpose, an experimental set-up allowing the measurements of wind velocity, CO2 concentration and temperature of the air inside the forest has been installed. It has allowed the description, for the stable periods, of gravitational flows being carried out close to the ground due to the cooling of surfaces and the presence of a weak slope. These flows were shown to be responsible for advective CO2 transport. An uncertainty analysis has been carried out using dedicated measurement campaigns. It has conclude with the feasibility of measurements of vertical and especially horizontal CO2 gradients on the site but has shown that the greatest factor of uncertainty related to the estimate of the vertical velocity component above and in the forest. In spite of these uncertainties, a fine analysis of the gravitational episodes has made it possible to highlight a coherent mechanism linking the flow field and the CO2 concentration field and making it possible to better understand how CO2 could be transported laterally and vertically by the gravitational flows. Finally, the feasibility of a correction based on the estimate of the advective terms has been evaluated. It has been shown that uncertainties relating to advection were too important to make it possible to appreciably improve the night assessment of CO2 fluxes by means of this method. This one proves however interesting for better understanding the processes of transport at work in a forest cover.

High dimensional covariance matrix estimation is considered in the context of empirical asset pricing. In order to see the effects of covariance matrix estimation on asset pricing, parameter estimation, model specification test, and misspecification problems are explored. Along with existing techniques, which is not yet tested in applications, diagonal variance matrix is simulated to evaluate the performances in these problems. We found that modified Stein type estimator outperforms all the other methods in all three cases. In addition, it turned out that heuristic method of diagonal variance matrix works far better than existing methods in Hansen-Jagannathan distance test. High dimensional covariance matrix as a transformation matrix in generalized least squares is also studied. Since the feasible generalized least squares estimator requires ex ante knowledge of the covariance structure, it is not applicable in general cases. We propose fully banding strategy for the new estimation technique. First we look into the sparsity of covariance matrix and the performances of GLS. Then we move onto the discussion of diagonals of covariance matrix and column summation of inverse of covariance matrix to see the effects on GLS estimation. In addition, factor analysis is employed to model the covariance matrix and it turned out that communality truly matters in efficiency of GLS estimation.

This century is surely the century of data (Donoho, 2000). Data analysis has been an emerging activity over the last few decades. High dimensional data is in particular more and more pervasive with the advance of massive data collection system, such as microarrays, satellite imagery, and financial data. However, analysis of high dimensional data is of challenge with the so called curse of dimensionality (Bellman 1961). This research dissertation presents several methodologies in the application of high dimensional data analysis. The first part discusses a joint analysis of multiple microarray gene expressions. Microarray analysis dates back to Golub et al. (1999). It draws much attention after that. One common goal of microarray analysis is to determine which genes are differentially expressed. These genes behave significantly differently between groups of individuals. However, in microarray analysis, there are thousands of genes but few arrays (samples, individuals) and thus relatively low reproducibility remains. It is natural to consider joint analyses that could combine microarrays from different experiments effectively in order to achieve improved accuracy. In particular, we present a model-based approach for better identification of differentially expressed genes by incorporating data from different studies. The model can accommodate in a seamless fashion a wide range of studies including those performed at different platforms, and/or under different but overlapping biological conditions. Model-based inferences can be done in an empirical Bayes fashion. Because of the information sharing among studies, the joint analysis dramatically improves inferences based on individual analysis. Simulation studies and real data examples are presented to demonstrate the effectiveness of the proposed approach under a variety of complications that often arise in practice. The second part is about covariance matrix estimation in high dimensional data. First, we propose a penalised likelihood estimator for high dimensional t-distribution. The student t-distribution is of increasing interest in mathematical finance, education and many other applications. However, the application in t-distribution is limited by the difficulty in the parameter estimation of the covariance matrix for high dimensional data. We show that by imposing LASSO penalty on the Cholesky factors of the covariance matrix, EM algorithm can efficiently compute the estimator and it performs much better than other popular estimators. Secondly, we propose an estimator for high dimensional Gaussian mixture models. Finite Gaussian mixture models are widely used in statistics thanks to its great flexibility. However, parameter estimation for Gaussian mixture models with high dimensionality can be rather challenging because of the huge number of parameters that need to be estimated. For such purposes, we propose a penalized likelihood estimator to specifically address such difficulties. The LASSO penalty we impose on the inverse covariance matrices encourages sparsity on its entries and therefore helps reducing the dimensionality of the problem. We show that the proposed estimator can be efficiently computed via an Expectation-Maximization algorithm. To illustrate the practical merits of the proposed method, we consider its application in model-based clustering and mixture discriminant analysis. Numerical experiments with both simulated and real data show that the new method is a valuable tool in handling high dimensional data. Finally, we present structured estimators for high dimensional Gaussian mixture models. The graphical representation of every cluster in Gaussian mixture models may have the same or similar structure, which is an important feature in many applications, such as image processing, speech recognition and gene network analysis. Failure to consider the sharing structure would deteriorate the estimation accuracy. To address such issues, we propose two structured estimators, hierarchical Lasso estimator and group Lasso estimator. An EM algorithm can be applied to conveniently solve the estimation problem. We show that when clusters share similar structures, the proposed estimator perform much better than the separate Lasso estimator.

Le spectre des neutrons prompts de fission (PFNS) est une donnée très importante pour diverses applications de la physique nucléaire. Cependant, en dehors du spectre de la fission spontanée du 252Cf, qui est reconnu comme un standard international et est utilisé pour la métrologie, le PFNS reste mal connu pour la plupart des noyaux fissionnants. En particulier, pour la fission rapide (induite par un neutron de plus de 100 keV environ), il existe peu de mesures, et les évaluations internationales présentent de fortes contradictions. De plus, il existe très peu de données sur les covariances associées aux diverses évaluations du spectre. Dans cette thèse, trois aspects de l'évaluation du PFNS sont abordés. Le premier aspect est la modélisation du spectre via le code FIFRELIN, développé au CEA Cadarache, qui simule la chaine de désexcitation des fragments de fission par émissions successives de neutrons et gammas prompts par la méthode de Monte-Carlo. Ce code a pour vocation de calculer les observables de fission dans un même calcul cohérent, à partir des distributions en masse, en énergie cinétique et en spin des fragments de fission. FIFRELIN a donc un caractère prédictif que n'ont pas les modèles analytiques utilisés pour décrire le PFNS. Une étude des paramètres de modèle influents, notamment le paramètre de densité de niveaux, est mené afin de tenter de mieux reproduire le spectre. Le deuxième aspect de la thèse concerne l'évaluation du PFNS et de sa matrice de covariance. On propose une méthodologie pour évaluer le spectre et sa matrice de covariance de manière rigoureuse, à travers l'outil CONRAD du CEA Cadarache. Ceci implique la modélisation du spectre à travers des modèles simples, notamment celui de Madland-Nix qui est le plus utilisé dans les évaluations, en ajustant les paramètres de ces modèles afin de reproduire les données expérimentales. La matrice de covariance provient de la propagation rigoureuse des sources d'incertitude qui interviennent dans le calcul. En particulier, les incertitudes systématiques liées au dispositif expérimental sont propagées par des techniques de marginalisation. La marginalisation permet de propager ces incertitudes sur le spectre calculé, en obtenant des incertitudes réalistes sans besoin d'être artificiellement rehaussées comme c'est souvent le cas dans le cadre d'ajustements bayésiens. La propagation de ces incertitudes expérimentales impacte aussi la matrice de corrélation du spectre calculé. On présente les résultats pour la fission induite par neutron thermique de l'235U et du 239Pu. Pour le modèle de Madland-Nix avec section inverse constante, l'énergie moyenne des neutrons prompts obtenue est de 1.979 MeV pour l'235U, et de 2.087 MeV pour le 239Pu. Le dernier aspect de la thèse est l'étude de l'impact du PFNS et de ses covariances sur le calcul du flux neutronique sur la cuve d'un réacteur. L'enjeu est de taille, car l'estimation de la fluence au niveau de la cuve d'un réacteur détermine l'intégrité de celle-ci, et donc la durée de vie du réacteur. On observe l'importance des termes de corrélations du spectre pour calculer notamment l'incertitude sur le flux intégré au-dessus de 1 MeV, de l'ordre de 6% (incertitude due seulement au spectre). / The prompt fission neutron spectrum (PFNS) is very important for various nuclear physics applications. Yet, except for the 252Cf spontaneous fission spectrum which is an international standard and is used for metrology purposes, the PFNS is still poorly known for most of the fissionning nuclides. In particular, few measurements exist for the fast fission spectrum (induced by a neutron whose energy exceeds about 100 keV), and the international evaluations show strong discrepancies. There are also very few data about covariances associated to the various PFNS evaluations. In this work we present three aspects of the PFNS evaluation. The first aspect is about the spectrum modeling with the FIFRELIN code, developed at CEA Cadarache, which simulates the fission fragment de-excitation by successive emissions of prompt neutrons and gammas, via the Monte-Carlo method. This code aims at calculating all fission observables in a single consistent calculation, starting from fission fragment distributions (mass, kinetic energy and spin). FIFRELIN is therefore more predictive than the analytical models used to describe the spectrum. A study of model parameters which impact the spectrum, like the fragment level density parameter, is presented in order to better reproduce the spectrum. The second aspect of this work is about the evaluation of the PFNS and its covariance matrix. We present a methodology to produce this evaluation in a rigorous way, with the CONRAD code, developed at CEA Cadarache. This implies modeling the spectrum through simple models, like the Madland-Nix model which is the most commonly used in the evaluations, by adjusting the model parameters to reproduce experimental data. The covariance matrix arises from the rigorous propagation of the sources of uncertainty involved in the calculation. In particular, the systematic uncertainties arising from the experimental set-up are propagated via a marginalization technique. The marginalization allows propagating these uncertainties on the calculated spectrum, and obtaining realistic uncertainties without having to artificially raise them, as it is sometimes necessary in Bayesian adjustments. The experimental uncertainty propagation also impacts the spectrum correlation matrix. We present the result for thermal neutron-induced fission of 235U and 239Pu. For the Madland-Nix model with constant inverse cross-section, the prompt neutron mean energy is 1.979 MeV for 235U and 2.087 MeV for 239Pu. The last aspect of this work is the calculation of the impact of the PFNS and its covariance matrix on a reactor vessel flux. This calculation is of major importance, since the vessel fluence estimation determines the vessel integrity, and therefore determines the reactor lifetime. We observe the importance of the PFNS correlation terms, to compute in particular the vessel flux uncertainty above 1 MeV, which is of the order of 6% (uncertainty only due to PFNS).

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-07-10T16:15:35Z No. of bitstreams: 1 LYA RAQUEL OLIVEIRA DE SOUSA - DISSERTAÇÃO PPGMAT 2006..pdf: 539595 bytes, checksum: 9c8bde69fa077d93bd6a4ec01ebd5171 (MD5) / Made available in DSpace on 2018-07-10T16:15:35Z (GMT). No. of bitstreams: 1 LYA RAQUEL OLIVEIRA DE SOUSA - DISSERTAÇÃO PPGMAT 2006..pdf: 539595 bytes, checksum: 9c8bde69fa077d93bd6a4ec01ebd5171 (MD5) Previous issue date: 2006-03 / Capes / Neste trabalho apresentamos como a inferência Bayesiana e a relação entre região H.P.D. e os testes de hipóteses, obtida através de algumas propriedades da distribuição t-Studente multivariada, podem ser aplicados no estudo de dados de um Modelo de Covariância Linear com e sem erros nas variáveis. Para o nosso trabalho, consideramos um experimento planejado em k tratamentos, sendo cada um deles repetido em ni unidades experimentais, i=1,2,...,k. / In this work we present as the Bayesian inference and the relation between region H.P.D. and the tests of hypothesis, gotten through some properties of the distribution t-Student multivaried, they can to be applied in the study of data of a Model of Linear Covariance with and without errors in the variables. For our work, we consider an experiment planned in k treatments, being each one of them repeated in ni experimental units, i=1,2,...,k.

Dans ces travaux de thèse, la diffusion thermique des neutrons pour l’application aux réacteurs à eau légère a été étudiée. Le modèle de loi de diffusion thermique de l’hydrogène lié à la molécule d’eau de la bibliothèque de données nucléaires JEFF-3.1.1 est basée sur des mesures expérimentales réalisées dans les années soixante. La physique de diffusion de neutrons de cette bibliothèque a été comparée à un modèle basé sur les calculs de dynamique moléculaire développé au Centre Atomique de Bariloche (Argentine), à savoir le modèle CAB. L’impact de ces modèles a également été évalué sur le programme expérimental MISTRAL (configurations UOX et MOX) réalisé dans le réacteur de puissance nulle EOLE situé au CEA Cadarache (France). La contribution de la diffusion thermique des neutrons sur l’hydrogène dans l’eau a été quantifiée sur le calcul de la réactivité et sur l’erreur de calcul du coefficient de température isotherme (reactivity temperature Coefficient en anglais - RTC).Pour le réseau UOX, l’écart entre la réactivité calculée à 20 °C avec le modèle CAB et celle du JEFF-3.1.1 est de +90 pcm, tandis que pour le réseau MOX, il est de +170 pcm à cause de la sensibilité élevée de la diffusion thermique pour ce type de combustible. Dans la plage de température de 10 °C à 80 °C, l’erreur de calcul sur le RTC est de -0.27 ± 0.3 pcm/°C avec JEFF-3.1.1 et de +0.05 ± 0.3 pcm/°C avec le modèle CAB pour le réseau UOX. Pour la configuration MOX, il est de -0.98 ± 0.3 pcm/°C et -0.72 ± 0.3 pcm/°C obtenu respectivement avec la bibliothèque JEFF-3.1.1 et avec le modèle CAB. Les résultats montrent l’apport du modèle CAB dans le calcul de ce paramètre de sureté. / In the present report it was studied the neutron thermal scattering of light water for reactors application. The thermal scattering law model of hydrogen bounded to the water molecule of the JEFF-3.1.1 nuclear data library is based on experimental measures performed in the sixties. The scattering physics of this latter was compared with a model based on molecular dynamics calculations developed at the Atomic Center in Bariloche (Argentina), namely the CAB model. The impact of these models was evaluated as well on reactor calculations at cold conditions. The selected benchmark was the MISTRAL program (UOX and MOX configurations), carried out in the zero power reactor EOLE of CEA Cadarache (France). The contribution of the neutron thermal scattering of hydrogen in water was quantified in terms of the difference in the calculated reactivity and the calculation error on the isothermal reactivity temperature coefficient (RTC). For the UOX lattice, the calculated reactivity with the CAB model at 20 °C is +90 pcm larger than JEFF-3.1.1, while for the MOX lattice is +170 pcm because of the high sensitivity of thermal scattering to this type of fuels. In the temperature range from 10 °C to 80 °C, the calculation error on the RTC is -0.27 ± 0.3 pcm/°C and +0.05 ± 0.3 pcm/°C obtained with JEFF-3.1.1 and the CAB model respectively (UOX lattice). For the MOX lattice, is -0.98 ± 0.3 pcm/°C and -0.72 ± 0.3 pcm/°C obtained with the JEFF-3.1.1 library and with the CAB model respectively. The results illustrate the improvement of the CAB model in the calculation of this safety parameter.

Au cours de ces dernières années, les matrices de covariance ont montré leur intérêt dans de nombreuses applications en traitement du signal et de l'image.Les travaux présentés dans cette thèse se concentrent sur l'utilisation de ces matrices comme descripteurs pour la classification. Dans ce contexte, des algorithmes robustes de classification sont proposés en développant les aspects suivants.Tout d'abord, des estimateurs robustes de la matrice de covariance sont utilisés afin de réduire l'impact des observations aberrantes. Puis, les distributions Riemannienne Gaussienne et de Laplace, ainsi que leur extension au cas des modèles de mélange, sont considérés pour la modélisation des matrices de covariance.Les algorithmes de type k-moyennes et d'espérance-maximisation sont étendus au cas Riemannien pour l'estimation de paramètres de ces lois : poids, centroïdes et paramètres de dispersion. De plus, un nouvel estimateur du centroïde est proposé en s'appuyant sur la théorie des M-estimateurs : l'estimateur de Huber. En outre,des descripteurs appelés vecteurs Riemannien de Fisher sont introduits afin de modéliser les images non-stationnaires. Enfin, un test d'hypothèse basé sur la distance géodésique est introduit pour réguler la probabilité de fausse alarme du classifieur.Toutes ces contributions sont validées en classification d'images de texture, de signaux du cerveau, et d'images polarimétriques radar simulées et réelles. / In the recent years, covariance matrices have demonstrated their interestin a wide variety of applications in signal and image processing. The workpresented in this thesis focuses on the use of covariance matrices as signatures forrobust classification. In this context, a robust classification workflow is proposed,resulting in the following contributions.First, robust covariance matrix estimators are used to reduce the impact of outlierobservations, during the estimation process. Second, the Riemannian Gaussianand Laplace distributions as well as their mixture model are considered to representthe observed covariance matrices. The k-means and expectation maximization algorithmsare then extended to the Riemannian case to estimate their parameters, thatare the mixture's weight, the central covariance matrix and the dispersion. Next,a new centroid estimator, called the Huber's centroid, is introduced based on thetheory of M-estimators. Further on, a new local descriptor named the RiemannianFisher vector is introduced to model non-stationary images. Moreover, a statisticalhypothesis test is introduced based on the geodesic distance to regulate the classification false alarm rate. In the end, the proposed methods are evaluated in thecontext of texture image classification, brain decoding, simulated and real PolSARimage classification.