Submitted by Marlene Santos (marlene.bc.ufg@gmail.com) on 2016-07-13T20:13:32Z No. of bitstreams: 2 Dissertação - Mauricio Silva Louzeiro - 2016.pdf: 1453255 bytes, checksum: c23898f8b30d7250d9fc245034078281 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2016-07-14T13:28:30Z (GMT) No. of bitstreams: 2 Dissertação - Mauricio Silva Louzeiro - 2016.pdf: 1453255 bytes, checksum: c23898f8b30d7250d9fc245034078281 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2016-07-14T13:28:30Z (GMT). No. of bitstreams: 2 Dissertação - Mauricio Silva Louzeiro - 2016.pdf: 1453255 bytes, checksum: c23898f8b30d7250d9fc245034078281 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2016-03-04 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / In this work, we will study a new strategy to minimize a convex function on a simplicial cone. This method consists in to obtain the solution of a minimization problem through the root of a semi-smooth equation associated to its optimality conditions. To nd this root, we use the semi-smooth version of the Newton's method, where the derivative of the function that de nes the semi-smooth equation is replaced by a convenient Clarke subgradient. For the case that the function is quadratic, we will see that it allows us to have weaker conditions for the convergence of the sequence generated by the semi-smooth Newton's method. Motivated by this new minimization strategy we will also use the semi-smooth Newton's method to nd roots of two special semi-smooth equations, one associated to x+ and the another one associated to jxj. / Neste trabalho, estudaremos uma nova estrat egia para minimizar uma fun c~ao convexa sobre um cone simplicial. Este m etodo consiste em obter a solu c~ao do problema de minimiza c~ao atrav es da raiz de uma equa c~ao semi-suave associada as suas condi c~oes de otimalidade. Para encontrar essa raiz, usaremos uma vers~ao semi-suave do m etodo de Newton, onde a derivada da fun c~ao que de ne a equa c~ao semi-suave e substitu da por um subgradiente de Clarke conveniente. Para o caso em que a fun c~ao e quadr atica, veremos que e poss vel obter condi c~oes mais fracas para a converg^encia da sequ^encia gerada pelo m etodo de Newton semi-suave. Motivados por esta nova estrat egia de minimiza c~ao tamb em usaremos o m etodo de Newton semi-suave para encontrar ra zes de dois tipos espec cos de equa c~oes semi-suaves, uma associada a x+ e a outra associada a jxj.

Cette thèse traite du problème de séparation aveugle de sources non-négatives (c'est à dire des grandeurs positives ou nulles). La situation de séparation de mélanges linéaires instantanés de sources non-négatives se rencontre dans de nombreux problèmes de traitement de signal et d'images, comme la décomposition de signaux mesurés par un spectromètre (spectres de masse, spectres Raman, spectres infrarouges), la décomposition d'images (médicales, multi-spectrale ou hyperspectrales) ou encore l'estimation de l'activité d'un radionucléide. Dans ces problèmes, les grandeurs sont intrinsèquement non-négatives et cette propriété doit être préservée lors de leur estimation, car c'est elle qui donne un sens physique aux composantes estimées. La plupart des méthodes existantes de séparation de sources non-négatives requièrent de ``fortes" hypothèses sur les sources (comme l'indépendance mutuelle, la dominance locale ou encore l'additivité totale des sources), qui ne sont pas toujours vérifiées en pratique. Dans ce travail, nous proposons une nouvelle méthode de séparation de sources non-négatives fondée sur la répartition géométrique du nuage des observations. Les coefficients de mélange et les sources sont estimées en cherchant le cône simplicial d'ouverture minimale contenant le nuage des observations. Cette méthode ne nécessite pas l'indépendance mutuelle des sources, ni même leur décorrélation; elle ne requiert pas non plus la dominance locale des sources, ni leur additivité totale. Une seule condition est nécessaire et suffisante: l'orthant positif doit être l'unique cône simplicial d'ouverture minimale contenant le nuage de points des signaux sources. L'algorithme proposé est évalué avec succès dans deux situations de séparation de sources non-négatives de nature très différentes. Dans la première situation, nous effectuons la séparation de spectres de masse mesurés à la sortie d'un chromatographe liquide haute précision, afin d'identifier et quantifier les différents métabolites (petites molécules) présents dans l'urine d'un rat traité au phénobarbital. Dans la deuxième situation, nous estimons les différents compartiments pharmacocinétiques du radio-traceur FluoroDeoxyGlucose marqué au fluor 18 ([18F]-FDG) dans le cerveau d'un patient humain, à partir d'une série d'images 3D TEP de cet organe. Parmi ces pharmacocinétiques, la fonction d'entrée artérielle présente un grand intérêt pour l'évaluation de l'efficacité d'un traitement anti-cancéreux en oncologie. / This thesis addresses the problem of non-negative blind source separation (i.e. positive or zero quantities). The situation of linear instantaneous mixtures of non-negative sources occurs in many problems of signal and image processing, such as decompositions of signals measured by a spectrometer (mass spectra, Raman spectra, infrared spectra), decomposition of images (medical, multi-spectral and hyperspectral) or estimating of the activity of a radionuclide. In these problems, the sources are inherently non-negative and this property should be preserved during their estimation, in order to get physical meaning components. Most of existing non-negative blind source separation methods require ``strong" assumptions on sources (such as mutual independence, local dominance or total additivity), which are not always satisfied in practice. In this work, we propose a new geometrical method for separating non-negative sources. The mixing matrix and the sources are estimated by finding the minimum aperture simplicial cone containing the scatter plot of mixed data. The proposed method does not require the mutual independence of the sources, neither their decorrelation, nor their local dominance, or their total additivity. One condition is necessary and sufficient: the positive orthant must be the unique minimum aperture simplicial cone cone containing the scatter plot of the sources. The proposed algorithm is successfully evaluated in two different problems of non-negative sources separation. In the first situation, we perform the separation of mass spectra measured at the output of a liquid chromatograph to identify and quantify the different metabolites (small molecules) present in the urine of rats treated with phenobarbital . In the second situation, we estimate the different pharmacokinetics compartments of the radiotracer [18F]-FDG in human brain, from a set of 3D PET images of this organ, without blood sampling. Among these pharmacokinetics, arterial input function is of great interest to evaluate the effectiveness of anti-cancer treatment in oncology.