Une introduction nous permettra de préciser la notion de code et l'intérêt que présente le choix de ce code. Nous verrons ensuite une méthode de recherche d'un code répondant à certaines spécifications; un exemple d'application, traité en détail, nous fera mieux comprendre la marche à suivre. Quelques mots de la programmation sur calculatrice numérique effectuée pour cette méthode, suivront cet exemple. Dans le but de faire une comparaison entre les codes ainsi obtenus et ceux auxquels aboutit la méthode de Curtis, nous ferons quelques rappels sur cette dernière qui a été également programmée. En pages hors-texte, figurent les "listings" des deux programmes.

Les documents numériques sont aujourd'hui des données complexes qui intègrent d'une manière hétérogène des informations textuelles, structurelles, multimédia ainsi que des méta-données. Le langage de balisage générique XML s'est progressivement imposé comme support privilégié non seulement pour l'échange des données mais aussi pour leur stockage. La gestion des documents stockés sous les formats XML nécessite le développement de méthodes et d'outils spécifiques pour l'indexation, la recherche, le filtrage et la fouille des données. En particulier, les fonctions de recherche et de filtrage doivent prendre en compte des requêtes disposant de connaissances incomplètes, imprécises, parfois même erronées sur la structure ou le contenu des documents XML. Ces fonctions doivent par ailleurs maintenir une complexité algorithmique compatible avec la complexité des données et surtout avec leur volume toujours en forte croissance, ceci pour assurer le passage à l'échelle des solutions informatiques. Dans cette thèse, nous étudions des méthodes et développons des outils pour indexer et rechercher des informations multimédia hétérogènes stockées dans des banques de documents XML. Plus précisément, nous abordons la question de la recherche par similarité sur des données composites décrites par des éléments structurels, textuels et séquentiels. En s'appuyant sur la partie structurelle des documents XML, nous avons défini un modèle de représentation, d'indexation et d'interrogation flexible pour des types hétérogènes de données séquentielles. Les principes que nous développons mettent en oeuvre des mécanismes de recherche qui exploitent simultanément les éléments des structures documentaires indexées et les contenus documentaires non structurés. Nous évaluons également l'impact sur la pertinence des résultats retournés par l'introduction de mécanismes d'alignement approximatif des éléments structurels. Nous proposons des algorithmes capables de détecter et de suggérer les « meilleurs points d'entrée » pour accéder directement à l'information recherchée dans un document XML. Finalement, nous étudions l'exploitation d'une architecture matérielle dédiée pour accélérer les traitements les plus coûteux du point de vue de la complexité de notre application de recherche d'information structurée. v

Thèse diffusée initialement dans le cadre d'un projet pilote des Presses de l'Université de Montréal/Centre d'édition numérique UdeM (1997-2008) avec l'autorisation de l'auteur.

Thèse diffusée initialement dans le cadre d'un projet pilote des Presses de l'Université de Montréal/Centre d'édition numérique UdeM (1997-2008) avec l'autorisation de l'auteur.

.

Thèse numérisée par la Direction des bibliothèques de l'Université de Montréal.

La première partie concerne l'estimation séquentielle du paramètre de régression pour le modèle de Cox pour des données censurées à droite. Il est ainsi possible de définir des règles d'arrêt garantissant une bonne estimation. Celles-ci conduisent alors à des estimateurs dépendant de tailles d'échantillons aléatoires pour lesquels le comportement asymptotique est le même que celui des estimateurs non séquentiels. Les propriétés démontrées sont étendues au cadre multidimensionnel et illustrées par des simulations. Cette première partie s'achève par l'étude théorique du comportement de la variable d'arrêt dans le cadre d'intervalles de confiance séquentiels. La règle d'arrêt normalisée est alors asymptotiquement normale. La seconde partie porte sur la construction de tests d'homogénéité dans le cadre d'un modèle de durées de vie non paramétrique incluant des covariables ainsi que la censure à droite. Une statistique de test est proposée et son comportement asymptotique est établi.

Des travaux récents ont montré l’intérêt de la programmation par contraintes pour la fouille de données. Dans cette thèse, nous nous intéressons à la recherche de motifs sur séquences, et en particulier à la caractérisation, à l’aide de motifs, de classes de séquences pré-établies. Nous proposons à cet effet un langage de modélisation à base de contraintes qui suppose une représentation matricielle du jeu de séquences. Un motif s’y définit comme un ensemble de caractères (ou de patrons) et pour chacun une localisation dans différentes séquences. Diverses contraintes peuvent alors s’appliquer : validité des localisations, couverture d’une classe de séquences, ordre sur les localisations des caractères commun aux séquences, etc. Nous formulons deux problèmes de caractérisation NP-complets : la caractérisation par motif totalement ordonné (e.g. sous-séquence exclusive à une classe) ou partiellement ordonné. Nous en donnons deux modélisations CSP qui intègrent des contraintes globales pour la preuve d’exclusivité. Nous introduisons ensuite un algorithme mémétique pour l’extraction de motifs partiellement ordonnés qui s’appuie sur la résolution CSP lors des phases d’initialisation et d’intensification. Cette approche hybride se révèle plus performante que l’approche CSP pure sur des séquences biologiques. La mise en forme matricielle de jeux de séquences basée sur une localisation des caractères peut être de taille rédhibitoire. Nous proposons donc de localiser des patrons plutôt que des caractères. Nous présentons deux méthodes ad-hoc, l’une basée sur un parcours de treillis et l’autre sur la programmation dynamique. / Recent works have shown the relevance of constraint programming to tackle data mining tasks. This thesis follows this approach and addresses motif discovery in sequential data. We focus in particular, in the case of classified sequences, on the search for motifs that best fit each individual class. We propose a language of constraints over matrix domains to model such problems. The language assumes a preprocessing of the data set (e.g., by pre-computing the locations of each character in each sequence) and views a motif as the choice of a sub-matrix (i.e., characters, sequences, and locations). We introduce different matrix constraints (compatibility of locations with the database, class covering, location-based character ordering common to sequences, etc.) and address two NP-complete problems: the search for class-specific totally ordered motifs (e.g., exclusive subsequences) or partially ordered motifs. We provide two CSP models that rely on global constraints to prove exclusivity. We then present a memetic algorithm that uses this CSP model during initialisation and intensification. This hybrid approach proves competitive compared to the pure CSP approach as shown by experiments carried out on protein sequences. Lastly, we investigate data set preprocessing based on patterns rather than characters, in order to reduce the size of the resulting matrix domain. To this end, we present and compare two alternative methods, one based on lattice search, the other on dynamic programming.

Ce mémoire de thèse regroupe plusieurs méthodes de calcul d'estimateur en statistiques bayésiennes. Plusieurs approches d'estimation seront considérées dans ce manuscrit. D'abord en estimation nous considérerons une approche standard dans le paradigme bayésien en utilisant des estimateurs sous la forme d'intégrales par rapport à des lois \textit{a posteriori}. Dans un deuxième temps nous relâcherons les hypothèses faites dans la phase de modélisation. Nous nous intéresserons alors à l'étude d'estimateurs répliquant les propriétés statistiques du minimiseur du risque de classification ou de ranking théorique et ceci sans modélisation du processus génératif des données. Dans les deux approches, et ce malgré leur dissemblance, le calcul numérique des estimateurs nécessite celui d'intégrales de grande dimension. La plus grande partie de cette thèse est consacrée au développement de telles méthodes dans quelques contextes spécifiques. / This PhD thesis deals with some computational issues of Bayesian statistics. I start by looking at problems stemming from the standard Bayesian paradigm. Estimators in this case take the form of integrals with respect to the posterior distribution. Next we will look at another approach where no, or almost no model is necessary. This will lead us to consider a Gibbs posterior. Those two approaches, although different in aspect, will lead to similar computational difficulties. In this thesis, I address some of these issues.

Les recherches présentées dans cette thèse découlent de problématiques rencontrées lors de précédents travaux effectués dans notre groupe au sujet de cyclisations séquentielles de Vilsmeier-Haack et de Mannich par une activation chimiosélective d’amides. Deux limitations avaient été soulevées : une faible réactivité lors de la seconde cyclisation de Mannich et aucune possibilité d’obtention de produit de double cyclisation de façon énantiosélective. Au chapitre un, une étude de double cyclisation de Vilsmeier-Haack et de Mannich est présentée, tout d’abord sur des substrats allylsilane-aldéhyde puis vératrol-aldéhyde. Une étude mécanistique est détaillée dans le but d’améliorer le rendement de la réaction. Les bases de notre méthodologie avec l’aldéhyde sont établies dans ce premier chapitre. Au chapitre deux, une étude de double cyclisation de Vilsmeier-Haack et de Mannich en présence d’une cétone est exposée. Les conditions de première cyclisation sont rapidement déterminées tandis que pour la seconde étape, les divers paramètres pouvant influencer la réaction sont examinés. Aussi, une tentative de formation de centres quaternaires produisant des squelettes carbonés de type quinolizidine et spirocyclique est présentée, ainsi qu’une variation de tailles de cycles formés. Au chapitre trois, l’étendue de notre méthodologie est étudiée et celle-ci est appliquée sur divers substrats. Les nucléophiles de type indole, pyrrole, éther d’énol et allylsilane sont couverts et la variation de taille de cycle est également testée. Au chapitre quatre, une étude sur le développement catalytique et un effort vers une version non racémique de notre méthodologie sera présentée. Diverses amines secondaires chirales sont investiguées et les excès énantiomériques mesurés. Le chapitre cinq propose des suites au projet de thèse, incluant des pistes au sujet de l’induction asymétrique en s’appuyant sur des exemples concrets de la littérature.