Préfigurant la prochaine grande étape dans le domaine de la navigation, la géolocalisation intra-muros est un domaine de recherche très actif depuis quelques années. Alors que la géolocalisation est entrée dans le quotidien de nombreux professionnels et particuliers avec, notamment, le guidage routier assisté, les besoins d'étendre les applications à l'intérieur se font de plus en plus pressants. Cependant, les systèmes existants se heurtent à des contraintes techniques bien supérieures à celles rencontrées à l'extérieur, la faute, notamment, à la propagation chaotique des ondes électromagnétiques dans les environnements confinés et inhomogènes. Nous proposons dans ce manuscrit une approche statistique du problème de géolocalisation d'un mobile à l'intérieur d'un bâtiment utilisant les ondes WiFi environnantes. Ce manuscrit s'articule autour de deux questions centrales : celle de la détermination des cartes de propagation des ondes WiFi dans un bâtiment donné et celle de la construction d'estimateurs des positions du mobile à l'aide de ces cartes de propagation. Le cadre statistique utilisé dans cette thèse afin de répondre à ces questions est celui des modèles de Markov cachés. Nous proposons notamment, dans un cadre paramétrique, une méthode d'inférence permettant l'estimation en ligne des cartes de propagation, sur la base des informations relevées par le mobile. Dans un cadre non-paramétrique, nous avons étudié la possibilité d'estimer les cartes de propagation considérées comme simple fonction régulière sur l'environnement à géolocaliser. Nos résultats sur l'estimation non paramétrique dans les modèles de Markov cachés permettent d'exhiber un estimateur des fonctions de propagation dont la consistance est établie dans un cadre général. La dernière partie du manuscrit porte sur l'estimation de l'arbre de contextes dans les modèles de Markov cachés à longueur variable.

Dans cette thèse, nous nous sommes intéressés au problème de codage de sources avec information adjacente au décodeur seulement. Plus précisément, nous avons considéré le cas où la distribution jointe entre la source et l'information adjacente n'est pas bien connue. Dans ce contexte, pour un problème de codage sans pertes, nous avons d'abord effectué une analyse de performance à l'aide d'outils de la théorie de l'information. Nous avons ensuite proposé un schéma de codage pratique efficace malgré le manque de connaissance sur la distribution de probabilité jointe. Ce schéma de codage s'appuie sur des codes LDPC non-binaires et sur un algorithme de type Espérance-Maximisation. Le problème du schéma de codage proposé, c'est que les codes LDPC non-binaires utilisés doivent être performants. C'est à dire qu'ils doivent être construits à partir de distributions de degrés qui permettent d'atteindre un débit proche des performances théoriques. Nous avons donc proposé une méthode d'optimisation des distributions de degrés des codes LDPC. Enfin, nous nous sommes intéressés à un cas de codage avec pertes. Nous avons supposé que le modèle de corrélation entre la source et l'information adjacente était décrit par un modèle de Markov caché à émissions Gaussiennes. Pour ce modèle, nous avons également effectué une analyse de performance, puis nous avons proposé un schéma de codage pratique. Ce schéma de codage s'appuie sur des codes LDPC non-binaires et sur une reconstruction MMSE. Ces deux composantes exploitent la structure avec mémoire du modèle de Markov caché.

Les sons de parole peuvent être complétés par l'affichage des articulateurs sur un écran d'ordinateur pour produire de la parole augmentée, un signal potentiellement utile dans tous les cas où le son lui-même peut être difficile à comprendre, pour des raisons physiques ou perceptuelles. Dans cette thèse, nous présentons un système appelé retour articulatoire visuel, dans lequel les articulateurs visibles et non visibles d'une tête parlante sont contrôlés à partir de la voix du locuteur. La motivation de cette thèse était de développer un tel système qui pourrait être appliqué à l'aide à l'apprentissage de la prononciation pour les langues étrangères, ou dans le domaine de l'orthophonie. Nous avons basé notre approche de ce problème d'inversion sur des modèles statistiques construits à partir de données acoustiques et articulatoires enregistrées sur un locuteur français à l'aide d'un articulographe électromagnétique (EMA). Notre approche avec les modèles de Markov cachés (HMMs) combine des techniques de reconnaissance automatique de la parole et de synthèse articulatoire pour estimer les trajectoires articulatoires à partir du signal acoustique. D'un autre côté, les modèles de mélanges gaussiens (GMMs) estiment directement les trajectoires articulatoires à partir du signal acoustique sans faire intervenir d'information phonétique. Nous avons basé notre évaluation des améliorations apportées à ces modèles sur différents critères : l'erreur quadratique moyenne (RMSE) entre les coordonnées EMA originales et reconstruites, le coefficient de corrélation de Pearson, l'affichage des espaces et des trajectoires articulatoires, aussi bien que les taux de reconnaissance acoustique et articulatoire. Les expériences montrent que l'utilisation d'états liés et de multi-gaussiennes pour les états des HMMs acoustiques améliore l'étage de reconnaissance acoustique des phones, et que la minimisation de l'erreur générée (MGE) dans la phase d'apprentissage des HMMs articulatoires donne des résultats plus précis par rapport à l'utilisation du critère plus conventionnel de maximisation de vraisemblance (MLE). En outre, l'utilisation du critère MLE au niveau de mapping direct de l'acoustique vers l'articulatoire par GMMs est plus efficace que le critère de minimisation de l'erreur quadratique moyenne (MMSE). Nous constatons également trouvé que le système d'inversion par HMMs est plus précis celui basé sur les GMMs. Par ailleurs, des expériences utilisant les mêmes méthodes statistiques et les mêmes données ont montré que le problème de reconstruction des mouvements de la langue à partir des mouvements du visage et des lèvres ne peut pas être résolu dans le cas général, et est impossible pour certaines classes phonétiques. Afin de généraliser notre système basé sur un locuteur unique à un système d'inversion de parole multi-locuteur, nous avons implémenté une méthode d'adaptation du locuteur basée sur la maximisation de la vraisemblance par régression linéaire (MLLR). Dans cette méthode MLLR, la transformation basée sur la régression linéaire qui adapte les HMMs acoustiques originaux à ceux du nouveau locuteur est calculée de manière à maximiser la vraisemblance des données d'adaptation. Finalement, cet étage d'adaptation du locuteur a été évalué en utilisant un système de reconnaissance automatique des classes phonétique de l'articulation, dans la mesure où les données articulatoires originales du nouveau locuteur n'existent pas. Finalement, en utilisant cette procédure d'adaptation, nous avons développé un démonstrateur complet de retour articulatoire visuel, qui peut être utilisé par un locuteur quelconque. Ce système devra être évalué de manière perceptive dans des conditions réalistes.

Le point de départ de ce travail est la thèse réalisée par Pascal Vrignat sur la modélisation de niveaux de dégradation d'un système dynamique à l'aide de Modèles de Markov Cachés (MMC), pour une application en maintenance industrielle. Quatre niveaux ont été définis : S1 pour un arrêt de production et S2 à S4 pour des dégradations graduelles. Recueillant un certain nombre d'observations sur le terrain dans divers entreprises de la région, nous avons réalisé un modèle de synthèse à base de MMC afin de simuler les différents niveaux de dégradation d'un système réel. Dans un premier temps, nous identifions la pertinence des différentes observations ou symboles utilisés dans la modélisation d'un processus industriel. Nous introduisons ainsi le filtre entropique. Ensuite, dans un but d'amélioration du modèle, nous essayons de répondre aux questions : Quel est l'échantillonnage le plus pertinent et combien de symboles sont ils nécessaires pour évaluer au mieux le modèle ? Nous étudions ensuite les caractéristiques de plusieurs modélisations possibles d'un processus industriel afin d'en déduire la meilleure architecture. Nous utilisons des critères de test comme les critères de l'entropie de Shannon, d'Akaike ainsi que des tests statistiques. Enfin, nous confrontons les résultats issus du modèle de synthèse avec ceux issus d'applications industrielles. Nous proposons un réajustement du modèle pour être plus proche de la réalité de terrain.

Les modèles de Markov cachés (MMC) - par exemple ceux de la librairie Pfam - sont des outils très populaires pour l'annotation des domaines protéiques. Cependaqnt, ils ne sont pas toujours adaptés aux protéines les plus divergentes. C'est notamment le cas avec Plasmodium falciparum (principal agent du paludisme chez l'Homme), où les MMC de Pfam identifient peu de familles distinctes de domaines, et couvrent moins de 50% des protéines de l'organisme. L'objectif de cette thèse est d'apporter des méthodes nouvelles pour affiner la détection de domaines dans les protéines divergentes. Le premier axe développé est une approche d'identification de domaines utilisant leurs propriétés de co- occurrence. Différentes études ont montré que la majorité des domaines apparaissent dans les protéines avec un ensemble très réduits d'autres domaines favoris. Notre méthode exploite cette propriété pour détecter des domaines trop divergents pour être identifiés par l'approche classique. Cette détection s'accompagne d'une estimation du taux d'erreur par une procédure de ré-échantillonnage. Chez P. falciparum, elle permet d'identifier, avec un taux d'erreur estimé inférieur à 20%, 585 nouveaux domaines - dont 159 familles étaient inédites dans cet organisme -, ce qui représente 16% du nombre de domaines connus. Le second axe de mes recherches présente plusieurs méthodes de corrections statistiques et évolutives des MMC pour l'annotation d'organismes divergents. Deux types d'approches ont été proposées. D'un côté, nous intégrons aux alignements d'apprentissage des MMC les séquences précédemment identifiés dans l'organisme cible ou ses proches relatifs. La limitation de cette solution est que seules des familles de domaines déjà connues dans le taxon peuvent ainsi être identifiées. Le deuxième type d'approches contourne cette limitation en corrigeant tous les modèles par une prise en compte de l'évolution des séquences d'apprentissage. Pour cela, nous faisons appel à des techniques classiques de la bioinformatique et de l'apprentissage statistique. Les résultats obtenus offrent un ensemble de prédictions complémentaires totalisant 663 nouveaux domaines supplémentaires - dont 504 familles inédites -, soit une augmentation de 18% à ajouter aux précédents résultats.

Les travaux de recherche développés dans cette thèse concernent la mise en oeuvre d'un système de vidéo surveillance intelligente en milieu hospitalier. Dans le contexte d'une application en unité de soins intensifs médicale, nous introduisons la notion originale de Boite Noire Médicale et nous proposons un nouveau système de monitoring visuel de Détection Automatique de Situations à risque et d'Alerte (DASA) basé sur un système de vidéosurveillance multi-caméra intelligent. L'objectif étant d'interpréter les flux d'informations visuelles et de détecter en temps réel les situations à risque afin de prévenir l'équipe médicale et ensuite archiver les évènements dans une base de donnée vidéo qui représente la Boite Noire Médicale. Le système d'interprétation est basé sur des algorithmes de reconnaissance de scénarios qui exploitent les Modèles de Markovs Cachés (MMCs). Une extension du modèle MMC standard est proposé afin de gérer la structure hiérarchique interne des scénarios et de contrôler la durée de chaque état du modèle markovien. La contribution majeure de ce travail repose sur l'intégration d'un raisonnement de type évènementiel, pour gérer la décision de reconnaissance en tenant compte des imperfections des informations disponibles. Les techniques de reconnaissance de scénarios proposées ont été testées et évaluées sur une base de séquences vidéo médicales et comparés aux modèles de Markov cachés probabilistiques classiques. / This thesis focuses on the study and the implementation of an intelligent visual monitoring system in hospitals. In the context of an application for patient monitoring in mediacal intensive care unit, we introduce an original concept of the Medical Black Box and we propose a new system for visual monitoring of Automatic Detection of risk Situations and Alert (DASA) based on a CCTV system with network smart camera. The aim is to interpret the visual information flow and to detect at real-time risk situations to prevent the mediacl team and then archive the events in a video that is based Medical Black Box data. The interpretation system is based on scenario recognition algorithms that exploit the Hidden Markov Models (HMM). An extension of the classic model of HMM is proposed to handle the internal reporting structure of the scenarios and to control the duration of each state of the Markov model. The main contribution of this work relies on the integration of an evidential reasoning, in order to manage the recognition decision taking into account the imperfections of available information. The proposed scenarios recognition method have been tested and assessed on database of medical video sequences and compared to standard probabilistic Hidden Markov Models.

Cette thèse est composée de trois chapitres qui analysent essentiellement la problématique de gestion de risque dans les institutions financières en lien avec le cycle économique et examine comment la réglementation influence leurs comportements afin de pratiquer une gestion saine des risques pour garantir la stabilité financière. Le premier chapitre propose une extension du modèle dynamique Nelson-Siegel en permettant aux paramètres de suivre un processus AR-GARCH pour tenir compte du cycle économique. C'est un modèle prédictif de la structure à terme du spread CDS et il permet d'estimer le capital à risque d'un vendeur de protection d'un contrat CDS. Nous trouvons que, plus la maturité et le temps de détention du contrat sont longs, plus la qualité de crédit de l'entité de référence est détériorée. Aussi, plus l'état de l'économie est défavorable, le vendeur de protection d'un contrat CDS est davantage vulnérable et le risque de perdre son capital est plus élevé. Ces résultats mettent en évidence les facteurs à considérer par les gestionnaires de portefeuille de risque de crédit et les autorités de régulation afin de minimiser et de s'assurer d'une gestion efficace du risque. Le deuxième chapitre propose un modèle d'ajustement partiel à changement de régime en implémentant le Hidden Markov Models (HMM) pour étendre le modèle d'ajustement partiel standard existant dans la littérature sur la structure de capital des banques. Le modèle d'ajustement partiel avec vitesse d'ajustement constant et celui avec vitesse d'ajustement variable dans le temps présentent tous deux des limites. Le premier modèle ne parvient pas à détecter le changement structurel observé dans le ratio de capital des banques dû aux réformes réglementaires des exigences de capital après la crise financière globale (GFC). Le second modèle peut capter le changement de régime dans le ratio de capital des banques que si les régimes sont observables, ce qui représente un défi. Le HMM proposé a l'avantage de détecter les régimes inobservables et permet d'estimer la vitesse d'ajustement avec changement de régime. Les résultats trouvés montrent que les banques réagissent différemment en période de crise et en période normale. En période de crise, les banques ajustent plus lentement leurs ratios de capital. Par comparaison à la GFC, on constate que les banques ajustent beaucoup plus rapidement leur structure de capital pendant la crise COVID-19. Cela signifie que les banques étaient plus capitalisées avant d'entrer dans la crise COVID-19 que pendant la GFC. La crise COVID-19 était considérée comme un test de résistance pour évaluer l'efficacité de la réforme réglementaire des exigences de capital post-crise. Le troisième chapitre présente un cadre théorique et des exemples numériques pour évaluer les préjudices subis par des investisseurs non professionnels dus à un mauvais conseil de placement. Le préjudice est supposé être vérifiable ex post lorsque les rendements sont réalisés. L'évaluation du dommage est basée sur le principe que l'investisseur doit conserver le même niveau d'utilité espérée que le portefeuille optimal. Ce principe est implémenté à travers plusieurs formules de dommage. Les résultats trouvés montrent que la formule de 'dommages ajustés au marché' la plus utilisée dans la pratique est celle qui minimise le cout pour le conseiller et les prix de conseil payés par l'investisseur mais moyennant une franchise. Ce qui améliore la situation de l'investisseur. / This thesis is written in three chapters which essentially analyze the problematic of risk management in financial institutions according to the business cycle and examine how regulation influences their behavior in order to practice sound risk management to guarantee financial stability. The first chapter proposes an extension of the dynamic Nelson-Siegel model by allowing the parameters to follow an AR-GARCH process to consider the business cycle effect. This model is used firstly to estimate and forecast the term structure of the CDS spread and secondly, to estimate the risk-based capital for a protection seller of a CDS contract. We find that, the credit quality of the reference entity is deteriorated when the maturity and the holding period of the contract are high. In addition, in unfavorable economic conditions, the seller of protection of a CDS contract is more vulnerable and the risk of losing its capital is higher. These factors are essential for effective risk management by credit risk portfolio managers and regulators. The second chapter proposes a regime-switching partial adjustment model by implementing a Hidden Markov Model (HMM) to extend the existing standard partial adjustment model in the bank capital structure literature. Both the partial adjustment model with time-invariant speed of adjustment (SOA) and the one with time-varying SOA have limitations. The first model fails to detect the structural change observed in banks' capital ratio following the regulatory reforms of capital requirements after the global financial crisis (GFC). The second model can capture the regime-switching in bank's capital ratio only if regimes are observable, which is a challenge. The proposed HMM has the advantage of detecting unobserved regime states and allows estimating regime-switching SOA. The results show that banks behave differently during crisis times than during normal periods. I observe an upward shift in banks' SOA after the GFC. Compared to the GFC, the banks' SOA during the COVID-19 crisis is higher than that in GFC. This means that banks were more capitalized before entering the COVID-19 crisis than the GFC. The COVID-19 crisis could be seen as a stress test to assess the effectiveness of the post-crisis regulatory reform of capital requirements. The third chapter presents a theoretical framework and numerical examples to assess the damage suffered by unsophisticated investors following unsuitable advice. Unsuitability claims are assumed to be verifiable ex post once investment returns are realized. The legal compensation principle is expectation damages, i.e., redress paid ex post should make the investors whole in terms of expected utility. This principle is implemented through several damage formulas. The results show that the 'market-adjusted damages' formula most used in practice is the one that minimizes advisor's cost and investor's advice fees but with a deductible. The low advice fee makes customers better off.

Cette thèse explore la compréhension du mouvement animal en écologie sous un angle statistique, un aspect crucial pour diverses applications pratiques telles que la réintroduction d'espèces, la planification de campagnes de vaccination et la surveillance des transports de particules. Pour ce faire, elle se fixe plusieurs objectifs majeurs. Dans un premier volet, la thèse se concentre sur la modélisation de l'approche directionnelle du mouvement animal. Cela implique l'intégration d'un nombre variable de facteurs environnementaux dans la trajectoire des animaux, en utilisant notamment un modèle de régression angulaire. Ces facteurs, appelés « cibles », sont essentiels pour une compréhension approfondie du mouvement des animaux. Un deuxième objectif consiste à élaborer des modèles multi-états pour tenir compte de la diversité des comportements animaux. Ces modèles permettent d'associer différents comportements à des états non observés, une tâche complexe en termes d'inférence étant donné que la vraisemblance des données dépend de l'ensemble des états, qui restent cachés. Par exemple, un modèle de Markov caché est utilisé dans l'approche directionnelle pour prédire le mouvement des caribous. En parallèle, la thèse vise à développer une régression logistique conditionnelle multi-états pour l'approche de type choix discret. Cette méthode permet de prédire les choix des animaux en fonction des attributs du paysage, en uniformisant autant que possible les deux approches pour en exposer les forces et faiblesses respectives. Enfin, les avancées méthodologiques découlant de ces travaux sont présentées afin de comprendre les améliorations notables pour analyser le mouvement des animaux avec des modèles multi-états. Ainsi, la thèse s'inscrit dans une démarche visant à améliorer la compréhension du mouvement animal en intégrant des facteurs environnementaux et des comportements multi- états. Elle offre également des outils pratiques pour l'analyse des données de trajectoires animales, ce qui pourrait avoir un impact significatif dans le domaine de l'écologie. / This thesis explores the understanding of animal movement in ecology from a statistical perspective, a crucial aspect for various practical applications such as species reintroduction, vaccination campaign planning, and monitoring particle transport. To this end, it sets several major objectives. Firstly, the thesis focuses on modeling the directional approach to animal movement. This involves integrating a variable number of environmental factors into the animals' trajectories, notably using an angular regression model. These factors, called "targets," are essential for a thorough understanding of animal movement. A second objective is to develop multi-state models to account for the diversity of animal behaviors. These models allow for associating different behaviors with unobserved states, a complex task in terms of inference since the likelihood of the data depends on the set of states, which remain hidden. For example, a hidden Markov model (HMM) is used in the directional approach to predict caribou movement. Concurrently, the thesis aims to develop a multi-state conditional logistic regression for the discrete choice approach. This method allows predicting animal choices based on landscape attributes, standardizing both approaches as much as possible to highlight their respective strengths and weaknesses. Finally, the methodological advances following this work are presented to understand the significant improvements in analyzing animal movement with multi-state models. Thus, the thesis aims to enhance the understanding of animal movement by integrating environmental factors and multi-state behaviors. It also offers practical tools for analyzing animal trajectory data, which could have a significant impact in the field of ecology.

Cette thèse s'est déroulée dans le cadre du projet SECMAR qui visait à sécuriser le Grand Port Maritime de Marseille. Notre objectif était d'aider les personnels du port à identifier les comportements menaçant des navires afin de pouvoir agir efficacement en cas de danger réel. A ce titre, nous avons développé un système d'analyse et de reconnaissance de comportements de navires formé de deux sous-modules complémentaires. Le premier est construit à partir de l'approche probabiliste Modèle de Markov Cachée et traite principalement des comportements nominaux des gros bateaux qui se caractérisent par un déplacement régulier et récurrent dans le port. Le second est construit à partir du langage réactif synchrone Esterel et prend en compte les comportements agressifs et transgressifs de tous types de navires, notamment ceux des petits bateaux qui circulent librement et aléatoirement dans le port. Le système global d'aide à la décision a permis une bonne reconnaissance en temps-réel des différents comportements de navires au cours de leurs évolutions dans le port. Au regard des résultats prometteurs que nous avons obtenu à travers ce module, il est envisageable de le généraliser à d'autres ports mondiaux ainsi qu'à d'autres domaines d'application, notamment le domaine aéroportuaire. / The overall aim of this thesis was to create a decision support system that identifies discrepancies in ship behavior. The thesis was a part of the SECMAR project that aimed to improve security at the Marseilles harbor by the creation of decision support system for port staff. For this purpose, we developed a recognition behavior system consisting of two complementary sub-systems.The first system was based on the probabilistic Hidden Markov model approach and deals with nominal behavior of large to medium size commercial ships showing regular and recurrent behavior. The second system was based on the reactive synchronous language Esterel and concerns aggressive and transgressive behavior of small ships that may navigate freely in the harbor. Real-time evaluations showed that the proposed decision support system efficiently captured and evaluated ship behaviors. The promising results of the system and its diversity in origin makes it suitable for applications in other harbors as well as other environment such as airports.

Dans cette thèse, nous nous sommes intéressés au problème de codage de sources avec information adjacente au décodeur seulement. Plus précisément, nous avons considéré le cas où la distribution jointe entre la source et l'information adjacente n'est pas bien connue. Dans ce contexte, pour un problème de codage sans pertes, nous avons d'abord effectué une analyse de performance à l'aide d'outils de la théorie de l'information. Nous avons ensuite proposé un schéma de codage pratique efficace malgré le manque de connaissance sur la distribution de probabilité jointe. Ce schéma de codage s'appuie sur des codes LDPC non-binaires et sur un algorithme de type Espérance-Maximisation. Le problème du schéma de codage proposé, c'est que les codes LDPC non-binaires utilisés doivent être performants. C'est à dire qu'ils doivent être construits à partir de distributions de degrés qui permettent d'atteindre un débit proche des performances théoriques. Nous avons donc proposé une méthode d'optimisation des distributions de degrés des codes LDPC. Enfin, nous nous sommes intéressés à un cas de codage avec pertes. Nous avons supposé que le modèle de corrélation entre la source et l'information adjacente était décrit par un modèle de Markov caché à émissions Gaussiennes. Pour ce modèle, nous avons également effectué une analyse de performance, puis nous avons proposé un schéma de codage pratique. Ce schéma de codage s'appuie sur des codes LDPC non-binaires et sur une reconstruction MMSE. Ces deux composantes exploitent la structure avec mémoire du modèle de Markov caché. / In this thesis, we considered the problem of source coding with side information available at the decoder only. More in details, we considered the case where the joint distribution between the source and the side information is not perfectly known. In this context, we performed a performance analysis of the lossless source coding scheme. This performance analysis was realized from information theory tools. Then, we proposed a practical coding scheme able to deal with the uncertainty on the joint probability distribution. This coding scheme is based on non-binary LDPC codes and on an Expectation-Maximization algorithm. For this problem, a key issue is to design efficient LDPC codes. In particular, good code degree distributions have to be selected. Consequently, we proposed an optimization method for the selection of good degree distributions. To finish, we considered a lossy coding scheme. In this case, we assumed that the correlation channel between the source and the side information is described by a Hidden Markov Model with Gaussian emissions. For this model, we performed again some performance analysis and proposed a practical coding scheme. The proposed scheme is based on non-binary LDPC codes and on MMSE reconstruction using an MCMC method. In our solution, these two components are able to exploit the memory induced by the Hidden Markov model.