L'adaptation de maillage pour l'approximation des fonctions par éléments finis permet d'adapter localement la résolution en la raffinant dans les lieux de variations rapides de la fonction. Cette méthode intervient dans de nombreux domaines du calcul scientifique. L'utilisation de triangles anisotropes permet d'améliorer l'efficacité du maillage en introduisant des triangles longs et fins épousant notamment les directions des courbes de discontinuité. Etant donnée une norme d'intérêt et une fonction f à approcher, nous formulons le problème de l'adaptation optimale de maillage, comme la minimisation de l'erreur d'approximation par éléments finis de degré k donné parmi toutes les triangulations (potentiellement anisotropes) de cardinalité donnée N du domaine de définition de f. Nous étudions ce problème sous l'angle des quatre questions ci dessous: I. Comment l'erreur d'approximation se comporte-t-elle dans le régime asymptotique où le nombre N de triangles tend vers l'infini, lorsque f est une fonction suffisamment régulière? II. Quelles classes de fonctions gouvernent la vitesse de décroissance de l'erreur d'approximation lorsque N augmente, et sont en ce sens naturellement liées au problème d'adaptation optimale de maillage? III. Ce problème d'optimisation, qui porte sur les triangulations de cardinalité donnée N, peut-il être remplacé par un problème équivalent portant sur un objet continu? IV. Est-il possible de construire une suite quasi-optimale de triangulations en utilisant une procédure hiérarchique de raffinement?

La classification de signaux en grande dimension rend nécessaire la sélection d'un petit nombre de structures caractéristiques pour représenter chaque signal. Les approximations non-linéaires donnent lieu à des représentations concises, parce qu'elles s'adaptent à la structure de chaque signal analysé. Leur emploi est prometteur. Une première partie du travail du thèse définit des représentations adaptatives rapides de signaux comme combinaisons linéaires d'atomes extraits d'un dictionnaire de vecteurs. A partir de l'algorithme de Matching Pursuit, plusieurs méthodes itératives sont proposées pour mettre en lumière les structures caractéristiques des signaux sonores. Le Matching Pursuit Harmonique décompose un signal en composantes harmoniques élémentaires. Le Matching Pursuit "Chirpé" extrait les variations de fréquence instantanée en tirant parti d'une analyse fine des crêtes du dictionnaire de Gabor multi-échelle. Les approximations fournies par le Matching Pursuit Haute-résolution préservent les transitoires des signaux analysés, en imposant des contraintes de résolution temporelle. Nous accélérons ces techniques en employant des sous-dictionnaires de maxima locaux. Notre travail est consacré dans un second temps à l'étude de l'"Analyse Discriminante Non-linéaire". Pour classifier des signaux, les méthodes d'Analyse Discriminante Linéaire réduisent la dimension en les projetant sur un sous-espace pré-déterminé. Une projection adaptative, en fonction du signal analysé, extrait de celui-ci des caractéristiques qui lui sont propres. Celles-ci le distinguent et permettent de le classifier efficacement. Nous déterminons la stratégie optimale de projection adaptative pour la classification de bruits gaussiens colorés. Afin de classifier des transitoires, nous explorons enfin une méthode utilisant les maxima du module de la transformée en ondelettes et des arbres de décision. Cette approche permet de surmonter les difficultés liées à l'invariance par translation des signaux à classifier.

Le sujet "Ondelettes" est constitué de plusieurs domaines de mathématiques pures et appliqués. Il a contribué à la compréhension de beaucoup de problèmes dans diverses sciences, dans l'ingénierie et d'autres disciplines. Il comprend parmi ses notables succès, la compression standard des images d'empreintes digitales basée sur les ondelettes adoptée par la FBI en 1993 et JPEG2000, la norme actuelle pour la compression des images. Dans le présent travail, nous introduisons les ondelettes unidimensionnelles dans le premier chapitre. Dans le second chapitre, nous parlons des Ondelettes en plusieurs dimensions dans l'espace euclidien. Dans troisième chapitre, nous introduisons les ondelettes continues et quelques applications. À la fin de ce travail nous voyons d'autres applications et quelques remarques finales.

Dans cette thèse, nous étudions divers problèmes d'estimation par sélection d'estimateurs constants ou polynomiaux par morceaux sur des partitions en intervalles ou rectangles dyadiques, en utilisant un critère de type moindres carrés pénalisé adéquat. Nos travaux portent sur trois sujets différents. Nous nous intéressons tout d'abord à l'estimation d'une loi de probabilité discrète, ainsi qu'à une application à la détection de ruptures multiples. Puis, nous proposons un cadre unifié pour l'estimation fonctionnelle basée sur des données éventuellement censurées. Enfin, nous étudions simultanément l'estimation de densité multivariée et de densité conditionnelle pour des données dépendantes. Le choix de la collection de partitions en intervalles ou rectangles dyadiques s'avère intéressant aussi bien en théorie qu'en pratique. En effet, notre estimateur pénalisé vérifie dans chacun des cadres une inégalité de type oracle non-asymptotique, pour une pénalité bien choisie. Il atteint également la vitesse minimax à constante près sur de nombreuses classes de fonctions, dont la régularité est éventuellement à la fois non homogène et non isotrope. Cette propriété, qui à notre connaissance n'a été démontrée pour aucun autre estimateur, repose sur des résultats d'approximation dont les preuves sont inspirées d'un article de DeVore et Yu. Par ailleurs, le calcul de notre estimateur dans un cadre univarié est basé sur un algorithme de plus court chemin dont la complexité est seulement linéaire en la taille de l'échantillon.