In a video-on-demand streaming system, each user watch dufferent video frame according to their arrival time. In the thesis, the concept of multi-source and the forward error correction scheme are implemented to decrease the workload bandwidth of server and reduce the packet loss probability of each peer in the peer-to-peer video-on-demand system. Here, in order to share data to some peers arrive later, each peer must cache part of video data that recently viewed. Each new arrival peer needs to contact multiple sources who have initial part of video data to get video streaming data, and each source transmits different part of video streaming. Once receiving all of these partial stream, the peer will get completely video data. Simulation shows that a suitable preserve time of peers in the system can be used. Thus, the workload bandwidth of server used and memory used by peers can be reduced, too. Furthermore, the packet loss probability is decreased by the sources diversity and the FEC recovery.

No

The current cardiac computed tomography (CT) technology is mainly limited by motion blurring and radiation dose. The conceptual multi-source interior CT scheme has provided a potential solution to reduce motion artifacts and radiation exposure. This dissertation work conducted multi-facet investigations on a novel multi-source interior CT architecture (G. Cao, et. al, IEEE Access, 2014;2:1263-71) which employs distributed stationary multi-beam Carbon-nanotube (CNT) X-ray sources and simultaneously operates multiple source-detector chains to improve temporal resolution. The collimation based interior CT is integrated in each imaging chain, to suppress radiation dose. The central thesis statement is: Compared to conventional CT design, this distributed source array based multi-source interior CT architecture shall provide ultra-fast CT scan of region-of-interest (ROI) inside body with comparable image quality at lower radiation dose. Comprehensive studies were conducted to separately investigate three critical aspects of multi-source interior CT: interior CT mode, X-ray scattering, and scatter correction methods. First, a single CNT X-ray source based interior micro-CT was constructed to serve as a down-scaled experimental verification platform for interior CT mode. Interior CT mode demonstrated comparable contrast-noise-ratio (CNR) and image structural similarity to the standard global CT mode, while inducing a significant radiation dose reduction (< 83.9%). Second, the data acquisition of multi-source interior CT was demonstrated at clinical geometry, via numerical simulation and physical experiments. The simultaneously operated source-detector chains induced significant X-ray forward / cross scattering and thus caused severe CNR reduction (< 68.5%) and CT number error (< 1122 HU). To address the scatter artifacts, a stationary beam-stopper-array (BSA) based and a source-trigger-sequence (STS) based scatter correction methods were proposed to enable the online scatter measurement / correction with further radiation dose reduction (< 50%). Moreover, a deterministic physics model was also developed to iteratively remove the scatter-artifacts in the multi-source interior CT, without the need for modifications in imaging hardware or protocols. The three proposed scatter correction methods improved CNR (< 94.0%) and suppressed CT number error (< 48 HU). With the dedicated scatter correction methods, the multi-source interior CT could provide ROI-oriented imaging with acceptable image quality at significantly reduced radiation dose. / Ph. D. / Cardiac computed tomography (CT) technology enables a non-invasive imaging examination of patients’ cardiovascular system, and thus it has been widely applied in the fields of the diagnosis, treatment, and scientific research of cardiovascular diseases (CVD). The image quality of the current cardiac CT is frequently degraded by rapid cardiac motion and X-ray scattering, and the potential radiation harm has also raised public concern. The above limitations could be theoretically overcome by a recently proposed conceptual stationary multi-beam X-ray sources based interior CT (i.e. multi-source interior CT) system architecture. This dissertation conducted a comprehensive investigation on the actual image quality and radiation dose of this conceptual CT system. The experiments demonstrated that a significant radiation dose reduction could be achieved in multi-source interior CT. The image quality of multi-source interior CT could be maintained with the in-housedeveloped scatter correction methods.

Résumé : Dans une ère de concurrence économique accrue, les organisations éprouvent de plus en plus le besoin de mesurer le rendement de leurs employés, y compris celui de leurs dirigeants. À cette fin, l'évaluation demeure un outil de gestion privilégié. Au nombre des systèmes d'évaluation existants, le feed-back multi-source (FMS) — ou feed-back 360°— est en progression. Malheureusement, on ne connaît pas encore très bien l'incidence de ce type de système, la littérature étant plutôt muette sur ce qu'il donne concrètement et, particulièrement, sur la réaction des évalués subséquemment à l'obtention de leur rapport d'évaluation. Il ressort néanmoins de certaines études que les dirigeants, et surtout, les chefs se sentent laissés à eux-mêmes quant à l'évaluation de leurs compétences. Il y a quelques années, à la demande du Groupement des chefs d'entreprise du Québec (GCEQ), un instrument de type multi-source a été conçu par le Laboratoire de recherche sur la performance des entreprises (LaRePe), afin de mesurer spécifiquement la performance des chefs d'entreprise comme leader. À ce stade-ci, les promoteurs désirent mieux comprendre l'incidence de l'utilisation de leur outil : le PDG-Leadership. Pour combler les lacunes de la littérature, et aussi pour répondre au besoin du GCEQ, la présente thèse porte sur la réaction des chefs à la suite de la réception de leur rapport d'évaluation. L'objet de la recherche est double : il s'agit d'examiner les variables qui influencent le fait que les évalués entreprennent des actions à la suite de leur feed-back (considération théorique) et, d'autre part, de connaître davantage ces actions entreprises bref, ce que le système de feed-back multi-source XFMS) donne vraiment (considération pratique). Afin de mener à bien la recherche, une résidence a été réalisée. Elle a fourni le contexte pour élaborer un questionnaire d'enquête s'appliquant particulièrement aux chefs d'entreprise. L'enquête a permis de rejoindre 351 dirigeants ayant été évalués au moins une fois par l'entremise du PDG-Leadership. De ce nombre, 87 répondants, membres du Groupement se sont manifestés. Le cadre conceptuel utilisé consiste en une adaptation du modèle proposé par Smither, London et Reilly (2005a). comporte sept variables, desquelles ont été tirées cinq hypothèses de recherche. Quatre hypothèses ont été rejetées alors qu'une autre ne s'est avérée supportée que pour le groupe constitué des femmes faisant partie de l'échantillon. De plus, il est intéressant de constater que ce n'est pas le feed-back (rapport) qui déclenche l'acceptation puis les actions, mais une attitude personnelle représentée par la possibilité d'un changement perçue (V4). Chez les chefs, il ne se produit donc pas de réaction en chaîne comme le suppose le modèle théorique utilisé. Il semble que ce soit plutôt la possibilité de changement perçu qui est à la base du fait d'entreprendre des actions, laquelle s'apparente au sentiment d'auto-efficacité défini par Bandura (2007). Les données recueillies auront aussi servies à générer de nouvelles connaissances et à faire ressortir une liste de 112 actions que les chefs disent avoir engagées à la suite de l'obtention de leur rapport d'évaluation. Cette liste a permis de faire une catégorisation des actions posées. Les actions qu'ils entreprennent sont toutefois davantage dirigées vers l'amélioration de l'organisation que vers leur propre amélioration. Il s'agit là, d'une des contributions de la présente thèse.||Abstract : In a context of intense economic competition, organizations are increasingly using instruments of performance evaluation. The multi-source feedback or 360 [degrees] is one of those. The literature seems still silent on what type of evaluation is really about the reaction it generates among evaluated. In response to a request from the Groupement des chefs d'entreprise du Québec (GCEQ), a System of multi-source assessment was designed by the Laboratoire de recherche sur la performance des entreprises (LaRePe). The PDG-Leadership, specifically used to measure the skills of managers of SMLs as a leader. After some years of use, developers want to better understand its impact in order to improve it and make it even better. To address these theoretical and practical considérations, a survey was conducted among 87 business leaders from Quebec who had already been assessed using this tool. This research bas the purpose, the validation of a preliminary model proposed by Smither, London, and Reilly, 2005a, to examine the variables that influence that evaluated undertake actions as a result of their feedback and the other, to know these actions, in short, that the System of feed-back multi-source (FMS) really. From the analysis of data collected, a list of 112 shares was established. In turn, this led to a categorization of actions taken. Although the FMS system is effective, it should be noted that entrepreneurs seem to react differently from other catégories assessed.

Cette thèse étudie les méthodes de regroupement basées sur le principe des plus proches voisins partagés (SNN). Comme la plupart des autres approches de clustering à base de graphe, les méthodes SNN sont effectivement bien adaptées à surmonter la complexité des données, l'hétérogénéité et la haute dimensionnalité. La première contribution de la thèse est de revisiter une méthode existante basée sur les voisins partagés en deux points. Nous présentons d'abord un formalisme basé sur la la théorie de décision à contrario. Cela nous permet de tirer des scores de connectivité plus fiable des groupes et une interprétation plus intuitive des voisinage selectionnés optimalement. Nous proposons également un nouveau algorithme de factorisation pour accélérer le calcul intensif nécessaire des matrices des voisins partagés. La deuxième contribution de cette thèse est une généralisation de la classification SNNau cas multi-source. La principale originalité de notre approche est que nous introduisons une étape de sélection des sources d'information optimales dans le calcul de scores de groupes candidats. Chaque groupe est alors associé à son propre sous-ensemble optimal des modalités. Comme le montre le expériences, cette étape de sélection de source rend notre approche largement robuste à la présence de sources locales aberrantes. Cette nouvelle méthode est appliquée à un large éventail de problèmes, y compris la structuration multimodale des collections d'images et dans le regroupement dans des sous-espaces basés sur les projections aléatoires.La troisième contribution de la thèse est une tentative pour étendre les méthodes SNNdans le contexte des graphes biparites. Nous introduisons de nouvelles mesures de pertinence SNNrevisitées pour ce contexte asymétrique et nous montrons qu'elles peuvent être utiliséespour sélectionner localement des voisinages optimales. En conséquence, nous proposons un nouveau algorithme de clustering bipartite SNN qui est appliqué à la découverte d'objets visuels.Les expériences montrent que cette nouvelle méthode est meilleure par rapport aux méthodes de l'état de l'art. Basé sur les objets découverts, nous introduisons également un paradigme de recherche visuelle, c.-à-d les objet basés sur la suggestion de requêtes visuel les. / This thesis investigates new clustering paradigms and algorithms based on the principle of the shared nearest-neighbors (SNN. As most other graph-based clustering approaches, SNN methods are actually well suited to overcome data complexity, heterogeneity and high-dimensionality.The first contribution of the thesis is to revisit existing shared neighbors methods in two points. We first introduce a new SNN formalism based on the theory of a contrario decision. This allows us to derive more reliable connectivity scores of candidate clusters and a more intuitive interpretation of locally optimum neighborhoods. We also propose a new factorization algorithm for speeding-up the intensive computation of the required sharedneighbors matrices.The second contribution of the thesis is a generalization of the SNN clustering approach to the multi-source case. Whereas SNN methods appear to be ideally suited to sets of heterogeneous information sources, this multi-source problem was surprisingly not addressed in the literature beforehand. The main originality of our approach is that we introduce an information source selection step in the computation of candidate cluster scores. As shown in the experiments, this source selection step makes our approach widely robust to the presence of locally outlier sources. This new method is applied to a wide range of problems including multimodal structuring of image collections and subspace-based clustering based on random projections. The third contribution of the thesis is an attempt to extend SNN methods to the context of bipartite k-nn graphs. We introduce new SNN relevance measures revisited for this asymmetric context and show that they can be used to select locally optimal bi-partite clusters. Accordingly, we propose a new bipartite SNN clustering algorithm that is applied to visual object’s discovery based on a randomly precomputed matching graph. Experiments show that this new method outperformed state-of-the-art object mining results on OxfordBuilding dataset. Based on the discovered objects, we also introduce a new visual search paradigm, i.e. object-based visual query suggestion.

Les solutions de streaming vidéo adaptatives basées sur l’utilisation du protocol HTTP ont été largement plébiscitées dans les mondes de l’industrie et de la recherche, notamment pour les possibilités d’améliorations de qualité d’experience qu’elles offrent ainsi que pour leurs facilités de déploiement liées au protocol HTTP. Pour autant, bien que ces solutions permettent d’augmenter la qualité d’experience utilisateurs en diminuant la qualité de la vidéo transmise sur les réseaux pour minimiser les interruptions vidéo liées au temps de chargement, la qualité intrinsèque de la vidéo est limitée par les capacités physiques du chemin entre le serveur utilisé et le client. Dans l’objectif d’augmenter la qualité d’experience utilisateurs et de diminuer les couts de déploiements des services de streaming, les travaux de cette thèse de doctorat proposent de faire évoluer de façon pragmatique les solutions de streaming adaptatives actuelles vers l’utilisation en simultané de plusieurs sources (serveurs ou pairs). La première contribution de cette thèse présente MS-Stream, une technique évolutive de streaming adaptatif basé sur HTTP et utilisant plusieurs serveurs simultanément. MS-Stream offre la possibilité d’exploiter la bande passante disponible dans les infrastructures distribuées et les réseaux hétérogènes. La deuxieme contribution de ce document est MATHIAS, un groupe d’algorithmes d’adaptation centrés client, implémentés dans MS-Stream, qui a pour vocation d’optimiser l’utilisation des ressources réseau hétérogènes mises à disposition du client pour obtenir une qualité vidéo cible. MATHIAS permet à chaque client de controller le nombre de serveur utilisé en simultané, de faire face à l’hétérogeneité des resources disponibles, de réagir aux fluctuations soudaines et non-anticipées des capacités des serveurs tout en donnant à l’utilisateur une experience de streaming ininterrompu. Pour finir, nous allons plus loin dans les capacités de scalabilité et de qualité d’experience de MS-Stream et MATHIAS en tirant profit des ressources physiques des consommateurs. Nous proposons une solution hybride pair-à-pair/multi-server de streaming adaptative: PMS. Au sein de PMS, les logiques d’adaptation de la qualité vidéo et de la scalabilité sont distribuées pour permettre à chaque client de tendre vers une utilisation optimale de l’infrastructure de streaming. / Single-source HTTP Adaptive Streaming solutions (HAS) have become the de-facto solutions to deliver video over the Internet mostly due to their capabilities to increase end-user’s Quality of Experience (QoE) as well as their ease of deployment due to the usage of the HTTP protocol. Although HAS solutions can increase QoE by trading off the delivered video quality to minimize the number of video freezing events, they are limited by the bandwidth available on the considered communication channel between the client and the server. This thesis exposes our contributions in building lightweight pragmatic and evolving solutions advocating for the simultaneous usage of multiple sources with heterogeneous capacities so as to achieve high QoE content delivery at low cost. The first contribution of this work presents a streaming solution extending HAS capabilities to a pragmatic multi-server technique: MS-Stream. MS-Stream provides the means to exploit expanded bandwidth and link diversity in distributed heterogeneous network infrastructures. In our second contribution, we propose MATHIAS, a client-side two-phase consumption and adaptation algorithm implemented into MSStream. MATHIAS aims at increasing the end-user’s perceived streaming quality while utilizing the most of the heterogeneous capacities offered at the service and network environments. Finally, we further extend the QoE and scalability capabilities of MS-Stream and MATHIAS by leveraging on clients’ connectivity capacities and we expose our third contribution: a hybrid P2P/Multi-server live-Streaming system (PMS) incorporating distributed quality and scalability adaptation mechanisms.

Les eaux de surface sont des ressources importantes pour la biosphère et l'anthroposphère. Elles favorisent la préservation des habitats, le développement de la biodiversité et le maintien des services écosystémiques en contrôlant le cycle des nutriments et le carbone à l’échelle mondiale. Elles sont essentielles à la vie quotidienne de l’homme, notamment pour l'irrigation, la consommation d’eau potable, la production hydro-électrique, etc. Par ailleurs, lors des inondations, elles peuvent présenter des dangers pour l'homme, les habitations et les infrastructures. La surveillance des changements dynamiques des eaux de surface a donc un rôle primordial pour guider les choix des gestionnaires dans le processus d’aide à la décision. L’imagerie satellitaire constitue une source de données adaptée permettant de fournir des informations sur les eaux de surface. De nos jours, la télédétection satellitaire a connu une révolution avec le lancement des satellites Sentinel-1 (Radar) et Sentinel-2 (Optique) qui disposent d’une haute fréquence de revisite et d’une résolution spatiale moyenne à élevée. Ces données peuvent fournir des séries temporelles essentielles pour apporter davantage d'informations afin d'améliorer la capacité d'observation des eaux de surface. L’exploitation de telles données massives et multi-sources pose des défis en termes d’extraction de connaissances et de processus de traitement d’images car les chaines de traitement doivent être le plus automatiques possibles. Dans ce contexte, l'objectif de ce travail de thèse est de proposer de nouvelles approches permettant de cartographier l’extension spatiales des eaux de surface et des inondations, en explorant l'utilisation unique et combinée des données Sentinel-1 et Sentinel-2. / Surface waters are important resources for the biosphere and the anthroposphere. Surface waters preserve diverse habitat, support biodiversity and provide ecosystem service by controlling nutrient cycles and global carbon. Surface waters are essential for human's everyday life, such as for irrigation, drinking-water and/or the production of energy (power plants, hydro-electricity). Further, surface waters through flooding can pose hazards to human, settlements and infrastructures. Monitoring the dynamic changes of surface waters is crucial for decision making process and policy. Remote sensing data can provide information on surface waters. Nowadays, satellite remote sensing has gone through a revolution with the launch of the Sentinel-1 SAR data and Sentinel-2 optical data with high revisit time at medium to high spatial resolution. Those data can provide time series and multi-source data which are essential in providing more information to upgrade ability in observing surface water. Analyzing such massive datasets is challenging in terms of knowledge extraction and processing as nearly fully automated processing chains are needed to enable systematic detection of water surfaces.In this context, the objectives of the work are to propose new (e.g. fully automated) approaches for surface water detection and flood extents detection by exploring the single and combined used of Sentinel-1 and Sentinel-2 data.

L’apprentissage inter-sujet consiste à fournir des prédictions sur des données d'un sujet humain non présent dans la base d’apprentissage, comme dans l’aide au diagnostic où un ordinateur doit prédire si un sujet inconnu est sain ou malade. Dans cette thèse, nous défendons le point de vue que ce problème doit être formalisé dans le cadre multi-source, où chaque sujet d’apprentissage fournit une source de données. Nous présentons ensuite trois contributions destinées à des applications en neuroimagerie.La première est une méthode de prédiction inter-sujet pour données d'IRM fonctionnelle. La variabilité inter-sujet fait que les espaces d’entrée sont tous différents. Nous construisons un espace commun à l'aide de graphes et d'un noyau de graphe, qui projette ces données dans un espace de hilbert à noyau reproduisant. Nous démontrons l’efficacité de cette approche sur des données de tonotopie enregistrées dans le cortex auditif.La deuxième est une méthode de morphométrie corticale. Nous construisons des graphes à partir des extrema de profondeur du cortex, que nous projetons dans un espace commun grâce à un noyau de graphe. Une méthode d’inférence spatiale permet l’identification des zones du cortex qui présentent des différences entre populations. Nous étudions avec cette méthode les asymétries corticales et les différences inter-sexe.La troisième est une méthode d’adaptation de domaine multi-source. Nous décrivons une extension du kernel mean matching au cas où l’ensemble d’apprentissage se compose de plusieurs sources de données et des résultats préliminaires sur une tâche de classification inter-sujet dans une expérience de magnéto-encéphalographie. / Inter-subject learning consists in giving predictions on data from a subject not present in the training database, as with computer-aided diagnosis where the computer has to guess wether an unknown individual is healthy or sick. In this thesis, we argue that inter-subject learning should be handled in the multi-source framework where each subject is a different source of data. We then introduce three original contributions for neuroimaging applications.The first one is a method for inter-subject predictions of fMRI data. Because of the inter-subject variability, the original feature spaces are all different. Using graphs and a graph kernel, the input patterns are implicitly projected into a common reproducing kernel hilbert space. We show the effectiveness of this method on tonotopy data recorded in the auditory cortex.The second one is a cortical morphometry method. We design graphs from the deepest points of cortical sulci, and we project them into a common space using a graph kernel. A spatial inference method is then proposed to perform the detection of cortical zones where populations are different. Using this method, we study cortical asymmetries and gender differences.The third contribution of this thesis is a multi-source domain adaptation technique. Our method is an extension of the kernel mean matching for the multi-source case. We present preliminary results on a inter-subject prediction task used to analyse data from a magneto-encephalography experiment.

With the ever-growing developments of sustainable energy sources such as fuel cells, photovoltaics, and other distributed generation, the need for a reliable power conversion system that interfaces these sources is in great demand. In order to provide the highest degree of flexibility in a truly distributed network, it is desired to not only interface multiple sources, but to also interface multiple loads. Modern multi-port converters use high frequency transformers to deliver the different power levels, which add to the size and complexity of the system. The different topological variations of the proposed multi-port dc-dc converter have the potential to solve these problems. This thesis proposes a unique dc-dc current source converter for multi-port power conversion. The presented work will explain the proposed multi-port dc-dc converter's operating characteristics, control algorithms, design and a proof of application. The converter will be evaluated to determine its functionality and applicability. Also, it will be shown that our converter has advantages over modern multi-port converters in its ease of scalability from kW to MW, low cost, high power density and adaption to countless combinations of multiple sources. Finally we will present modeling and simulation of the proposed converter using the PSIM software. This research will show that this new converter topology is unstable without feedback control. If the operating point is moved, one of the source ports of the multiport converter becomes unstable and dies off supplying very little or no power to the load while the remaining source port supplies all of the power the load demands. In order to prevent this and add stability to the converter a simple yet unique control method was implemented. This control method allowed for the load power demanded to be shared between the two sources as well as regulate the load voltage about its desired value.

Peer-to-Peer (P2P) technology is a kind of decentralized framework which is applied to file sharing and video streaming in Internet predominantly. However, there are some problems, like free-riding, fairness, unexpected fluctuation, in P2P systems. Especially, without free riding controlling, many users stop contributing data and only want to receive data. To avoid these problems, a credit-based incentive mechanism using sneak, public-key cryptography and multi-source technique is proposed to make peers in system have no choice but to share data. In the proposed incentive mechanism, the concept of credit is employed. If a peer can contribute more bandwidth for sharing stream, it is arranged closer to video server, to get more credit in return, have less packet loss risk and receive better stream quality. Free-rider is a peer who denies contributing or contributes less resource than it registers to the system. In the proposed mechanism, free-riders are judged by the credits of each peer. In order to prevent illegal behaviors, the public-key cryptography is used for differentiating real and fake credit, also used for tracing credits. Experimental results show that when 90% peers are zero uploading peers, using the proposed mechanism can reduce 85% of zero uploading peers. When 90% peers are cheating peers, adopting the proposed mechanism can reduce 94% of cheating peers. System utility is usually about 100%. Maximum number of hops to video server is about five to six which is much smaller than without using the proposed mechanism, about 40 hops. The loads in managing system topology and delivering sub-streams are reduced. Besides, the resource of the system is used effectively.