Les séquences temporelles d'images présentent une quantité d'information bien plus importante que des images individuelles. En effet, la prise en compte du temps accroit considérablement le nombre d'états possibles ce qui se traduit par une quantité d'information plus importante (au sens entropie). Grâce à l'agilité des satellites de nouvelle génération et à leur utilisation dans des constellations, des séquences temporelles d'images satellitaires, STIS, vont maintenant être accessibles à haute résolution. Ces données sont extrêmement riches, mais en contrepartie, elles sont complexes et difficiles à interpréter manuellement. Des méthodes d'analyse automatique sont donc requises. Les STIS à haute résolution (STISHR) se distinguent des autres types de séquences existantes par la nature des changements qu'elles présentent. En effet, contrairement aux STIS à basse résolution, les STISHR contiennent des objets. Afin de tenir compte de cette particularité, une méthode d'analyse orientée objet doit donc être utilisée. De telles méthodes existent dans le domaine de la vidéo. Cependant, les objets des STISHR peuvent subir des changements radiométriques, par exemple liés à la croissance des plantes, alors que la radiométrie des objets de vidéo est généralement supposée invariante. Nous devons donc concevoir une méthode d'analyse orientée objet adaptée à la STISHR. Par ailleurs, l'échantillonnage temporel des STISHR est irrégulier et généralement sous-échantillonné par rapport aux phénomènes observables à ces résolutions spatiales. De plus, du point de vue du satellite, aux évolutions radiométriques propres aux objets de la scène se rajoutent les évolutions radiométriques liées à l'épaisseur atmosphérique. Néanmoins, hormis de faibles erreurs de recalage géométrique, la STISHR présente une redondance temporelle dans la forme des objets. Ainsi, une construction est généralement pérenne et une zone cultivable est rarement modifiée. Nous proposons donc une méthode d'analyse de la STISHR basée objet de façon à exploiter d'une part la redondance radiométrique intra objets spatiaux, et d'autre part, la redondance temporelle de forme entre ces objets. Une étude phénoménologique de la dynamique de la scène et de la STISHR nous permet d'identifier les caractéristiques d'une représentation adaptée à la description de ses changements : il s'agit d'un graphe dont les noeuds sont des objets spatiaux reliés par des arcs exprimant leur dépendance temporelle. Le calcul de ce graphe est cependant un problème difficile, et nous proposons d'en calculer une approximation. Cette approximation est calculée en deux temps. Dans un premier temps, on considère une approximation forte sur les dépendances temporelles afin de faciliter la détermination des régions spatiales. Celles-ci sont extraites grâce à un algorithme de segmentation exploitant conjointement les deux types de redondances disponibles : l'homogénéité radiométrique spatiale, et la redondance géométrique temporelle. Les noeuds du graphe ainsi déterminés, on relaxe l'approximation sur les dépendances temporelles de façon à obtenir une estimation plus fine du graphe. Nous proposons ensuite deux utilisations de ce graphe. L'une exploite ses caractéristiques structurelles telles que la valence des noeuds afin de détecter les changements géométriques. L'autre, utilise une version attribuée par des propriétés radiométriques du graphe pour mettre en évidence des comportements fréquents.

Dans le cadre de cette thèse, notre intérêt se porte sur la précision de la classification et l'optimalité du parcours de l'espace de recherche. L'objectif recherché est d'améliorer la précision de classification en étudiant les différents types de règles et de réduire l'espace de recherche des règles. Nous avons proposé une approche de classification IGARC permettant de générer un classifieur formé d'une base de règles de classification génériques permettant de mieux classer les nouveaux objets grâce à la flexibilité de petites prémisses caractérisant ces règles. De plus cette approche manipule un nombre réduit de règles en comparaison avec les autres approches de classification associative en se basant sur le principe des bases génériques des règles associatives. Une étude expérimentale inter et intra approches a été faite sur 12 bases Benchmark.Nous avons également proposé une approche Afortiori. Notre travail a été motivé par la recherche d'un algorithme efficace permettant l'extraction des règles génériques aussi bien fréquentes que rares de classification en évitant la génération d'un grand nombre de règles. L'algorithme que nous proposons est particulièrement intéressant dans le cas de bases de données bien spécifiques composées d'exemples positifs et négatifs et dont le nombre d'exemples négatifs est très réduit par rapport aux exemples positifs. La recherche des règles se fait donc sur les exemples négatifs afin de déterminer des règles qui ont un faible support et ce même par rapport à la population des exemples positifs et dont l'extraction pourrait être coûteuse. / Within the framework of this thesis, our interest is focused on classification accuracy and the optimalité of the traversal of the search. we introduced a new direct associative classification method called IGARC that extracts directly a classifier formed by generic associative classification rules from a training set in order to reduce the number of associative classification rules without jeopardizing the classification accuracy. Carried out experiments outlined that IGARC is highly competitive in comparison with popular classification methods.We also introduced a new classification approach called AFORTIORI. We address the problem of generating relevant frequent and rare classification rules. Our work is motivated by the long-standing open question of devising an efficient algorithm for finding rules with low support. A particularly relevant field for rare item sets and rare associative classification rules is medical diagnosis. The proposed approach is based on the cover set classical algorithm. It allows obtaining frequent and rare rules while exploring the search space in a depth first manner. To this end, AFORTIORI adopts the covering set algorithm and uses the cover measure in order to guide the traversal of the search space and to generate the most interesting rules for the classification framework even rare ones. We describe our method and provide comparisons with common methods of associative classification on standard benchmark data set.

Les erreurs innées du métabolisme (EIM) constituent un large panel de désordres métaboliques héréditaires. Parmi les EIM, les anomalies de la neurotransmission peuvent affecter, entre autres, la synthèse ou le transport des neurotransmetteurs, notamment les amines biogènes (dopamine et sérotonine) et les folates. La reconnaissance de ces affections est d’une importance capitale pour le diagnostic et le traitement éventuel. L’analyse chimique du liquide céphalo-rachidien (LCR) est incontournable pour le diagnostic de ces pathologies. Or, les méthodes actuelles de dosage ne sont pas simples. Longues et fastidieuses, elles ont été, pendant longtemps, réservées aux laboratoires spécialisés. L’objectif de ce travail était de développer des méthodes simples et rapides de diagnostic des troubles de la neurotransmission et d’établir les valeurs normales fréquentes dans la population française. Le travail réalisé a permis, dans un premier temps, de développer une méthode de dosage directe, en une seule étape, de la tetrahydrobioptérine (BH4), cofacteur des hydroxylases intervenant dans la synthèse des amines biogènes, et des ptérines impliquées dans le cycle de synthèse et de dégradation de ce cofacteur, dans le LCR. Auparavant, le dosage de ces substances nécessitait au moins deux analyses chromatographiques précédées chacune d’une étape propre de préparation de l’échantillon. Par la suite, nous avons développé une méthode de diagnostic rapide, en moins de 10 minutes, par UHPLC (chromatographie liquide à ultra haute performance), couplée à une détection séquentielle par coulométrie et par fluorescence, des troubles dopaminergique et sérotoninergique. Cette méthode permet de doser simultanément, en une seule étape, tous les métabolites de la dopamine, de la sérotonine et de la noradrénaline, ainsi que les ptérines d’intérêt diagnostic, principalement la dihydroneoptérine (NH2) et la dihydrobioptérine (BH2). L’ensemble de ces explorations nécessitait, auparavant, la mise en œuvre d’au moins trois méthodes de dosage par HPLC (chromatographie liquide à haute performance), précédées chacune d’une étape propre de préparation de l’échantillon. Pour compléter l’exploration du métabolisme de la BH4 et du suivi thérapeutique des troubles de la neurotransmission, nous avons également proposé une méthode de dosage rapide, en une seule étape, par UHPLC, de tous les métabolites et de toutes les ptérines, incluant la BH4. Enfin, une méthode rapide de dosage (moins de 2 minutes), par UHPLC, du 5-méthyltetrahydrofolate dans le LCR a été développée, afin de compléter le diagnostic biologique de l’ensemble des troubles neurologiques visés. L’application des outils ainsi développés à plus de 1400 patients nous a permis d’établir des valeurs normales fréquentes dans la population française ainsi que de poser le diagnostic de quelques déficits enzymatiques. / Inborn errors of metabolism (IEM) consist of a wide range of hereditary metabolic disorders. Among IEM, neurotransmission anomaly can affect the synthesis or the transport of neurotransmitters, notably biogenic amines (dopamine and serotonin) and folates. Early diagnosis of such affections is of utmost importance especially as some of them can be treated effectively. Chemical analysis of cerebrospinal fluid (CSF) is essential for the diagnosis of neurotransmitter disorders; however, current quantitative methods are tedious and time consuming. For a long time the chemical diagnosis of neurotransmitter disorders has been available only in specialized laboratories. The purpose of this work was to develop simple and fast diagnosis methods of neurotransmitter disorders as well as to establish the reference values in French population. For this purpose, in a first step, we developed a single step direct method of simultaneous quantification of tetrahydrobiopterin (BH4), which is the main cofactor of the hydroxylases involved in biogenic amines syntheses, and the relevant reduced and oxidized forms of pterins involved in the cycle of synthesis – regeneration of BH4. Formerly, the quantification of those compounds required at least two chromatographic methods with two specific sample preparation procedures. Thereafter we developed a method of fast diagnosis in less than 10 minutes of dopaminergic and serotoninergic disorders using UHPLC (ultra high performance liquid chromatography) hyphenated to a sequential coulometric and fluorimetric detection. With only a simple filtration step as sample preparation procedure, this method enables the simultaneous quantification of all dopamine, serotonin and noradrenaline metabolites as well as dihydroneopterin (NH2) and dihydrobiopterin (BH2), the relevant pterin forms for the complete diagnosis. Formerly, at least three HPLC (high performance liquid chromatography) quantification methods preceeded by three tedious specific sample preparation procedures were required for such a diagnosis. To complete the investigation of BH4 metabolism and the follow up of neurotransmission disorders, we also developed a fast UHPLC method of simultaneous quantification of all the cited metabolites and pterins including BH4. In order to complete the rapid diagnosis of all targeted neurological disorders, we finally developed an UHPLC method of 5-methyltetrahydrofolate quantification in CSF. The application of these analytical tools in more than 1400 CSF samples, collected from patients followed in some Neurology centers located in several French areas covering nearly the entirety of the territory, allowed us to establish the reference values in French population as well as to diagnose several cases of enzymatic deficits.

Extraction de séquences fréquentes : des bases de données statiques aux flots de données Il est reconnu aujourd'hui que l'être humain est généralement noyé sous une profusion d'informations et que sa capacité d'analyse n'est plus capable de faire face au volume sans cesse croissant de données. C'est dans ce contexte qu'est né le processus d'Extraction de Connaissance dans les bases de Données. Un des buts de ce processus est de passer d'un grand volume d'informations à un petit ensemble de connaissances à fortes valeurs ajoutées pour l'analyste ou le décideur. De plus, le processus d'ECD n'est pas un processus monolithique et univoque au cours duquel il s'agirait d'appliquer un principe général à tous les types de données stockées ou récupérées. Ainsi, une des étapes de ce processus qu'est la fouille de données peut se dériver sous plusieurs formes tels que : le clustering, la classification, l'extraction d'itemset et de règles d'associations, l'extraction de structures plus complexes tels que les épisodes, les graphes ou comme dans le cadre de cette thèse l'extraction de motifs séquentiels. Malheureusement, dans un monde sans cesse en évolution, le contexte dans lequel les travaux d'ECD ont été définis ces dernières années considérait que les données, sur lesquelles la fouille était réalisée, étaient disponibles dans des bases de données statiques. Aujourd'hui, suite au développement de nouvelles technologies et applications associées, nous devons faire face à de nouveaux modèles dans lesquels les données sont disponibles sous la forme de flots. Une question se pose alors : quid des approches d'extraction de connaissances traditionnelles ? Dans ce mémoire, nous présentons un ensemble de résultat sur les motifs séquentiels dans les bases de données d'un point de vue des représentations condensées et des méthodes d'échantillonnage puis nous étendons nos différentes approches afin de prendre en compte le nouveau modèle des flots de données. Nous présentons des algorithmes permettant ainsi l'extraction de motifs séquentiels (classiques et multidimensionnels) sur les flots. Des expérimentations menées sur des données synthétiques et sur des données réelles sont rapportées et montrent l'intérêt de nos propositions.

Le travail produit s'inscrit dans un cadre industriel piloté par la société 2MoRO Solutions. La réalisation présentée dans cette thèse doit servir à l'élaboration d'un service à haute valeur, permettant aux exploitants aéronautiques d'optimiser leurs actions de maintenance. Les résultats obtenus permettent d'intégrer et de regrouper les tâches de maintenance en vue de minimiser la durée d'immobilisation des aéronefs et d'en réduire les risques de panne.La méthode que nous proposons comporte trois étapes : (i) une étape de rationalisation des séquences afin de pouvoir les combiner [...] / The present work is part of an industrial project driven by 2MoRO Solutions company.It aims to develop a high value service enabling aircraft operators to optimize their maintenance actions.Given the large amount of data available around aircraft exploitation, we aim to analyse the historical events recorded with each aircraft in order to extract maintenance forecasting. Theresults are used to integrate and consolidate maintenance tasks in order to minimize aircraft downtime and risk of failure. The proposed method involves three steps : (i) streamlining information in order to combinethem, (ii) organizing this data for easy analysis and (iii) an extraction step of useful knowledgein the form of interesting sequences. [...]

La quantité de données aujourd'hui emmagasinées dans tous les domaines ainsi que leur diversité d'origines et de formats rendent impossibles l'analyse, le résumé ou l'extraction manuelle de connaissances. Pour répondre à ces besoins, diverses communautés se sont intéressées à la conception et au développement d'outils permettant d'extraire automatiquement de la connaissance de ces grandes bases. Désormais ces travaux visent à prendre en compte l'hétérogénéité de ces données, de leur format et de leur qualité. Notre travail s'inscrit dans cet axe de recherche et, plus précisément, dans le contexte de la découverte de schémas fréquents à partir de données regroupées sous la forme de séquences ordonnées. Ces schémas, appelés motifs séquentiels, n'étaient jusqu'alors extraits que sur des bases de données de séquences symboliques et parfaites, c'est-à-dire des bases ne contenant que des informations binaires ou pouvant être traitées comme telles et ne contenant aucun enregistrement incomplet. Nous avons donc proposé plusieurs améliorations des techniques d'extraction de séquences fréquentes afin de prendre en compte des données hétérogènes, incomplètes, incertaines ou mal connues de leur utilisateur, tout en minimisant les pertes éventuelles d'informations. Ainsi, le travail présenté dans cette thèse comporte la mise en oeuvre d'un cadre pour l'extraction de motifs séquentiels en présence de données numériques quantitatives, la définition de contraintes temporelles relâchées autorisant l'utilisateur à spécifier des contraintes temporelles approximatives et permettant un tri des résultats obtenus selon un indice de précision temporelle, enfin, le développement de deux approches pour l'extraction de motifs séquentiels sur des données symboliques incomplètes.