Cette thèse s'inscrit dans le domaine de la reconnaissance automatique du locuteur, domaine riche d'applications potentielles allant de la sécurisation d'accès à l'indexation de documents audio. Afin de laisser le champ à un large éventail d'applications, nous nous intéressons à la reconnaissance de locuteur en mode indépendant du texte et dans le cas où nous disposons de très peu de données d'apprentissage. Nous nous intéressons plus particulièrement à la modélisation et à la représentation des locuteurs. Il s'agit d'estimer avec très peu de données un modèle suffisamment robuste du locuteur pour permettre la reconnaissance du locuteur. La modélisation par un mélange de gaussiennes (GMM), en mode indépendant du texte, fournit des bonnes performances et constitue l'état de l'art en la matière. Malheureusement, cette modélisation est peu robuste dans le cas où on ne dispose que de quelques secondes de parole pour apprendre le modèle du locuteur. Pour tenter de remédier à ce problème, une perspective intéressante de modélisation consiste à représenter un nouveau locuteur, non plus de façon absolue, mais relativement à un ensemble de modèles de locuteurs bien appris. Chaque locuteur est représenté par sa localisation dans un espace de locuteurs de référence. C'est cette perspective que nous avons explorée dans cette thèse. Au cours de ce travail, nous avons recherché le meilleur espace de représentation et la meilleure localisation dans cet espace. Nous avons utilisé le regroupement hiérarchique et la sélection d'un sous-ensemble pour construire cet espace. Les locuteurs sont ensuite localisés par la technique des modèles d'ancrage. Il s'agit de calculer un score de vraisemblance par rapport à chaque locuteur de référence. Ainsi, la proximité entre les locuteurs est évaluée par l'application des distances entre leurs vecteurs de coordonnées.<br />Nous avons proposé ensuite une nouvelle représentation des locuteurs basée sur une distribution de distances. L'idée est de modéliser un locuteur par une distribution sur les distances mesurées dans l'espace des modèles d'ancrage. Cela permet d'appliquer une mesure statistique entre l'occurrence de test et les modèles des locuteurs à reconnaître (au lieu d'une mesure géométrique).<br />Ainsi, si nous avons approfondi la modélisation d'un locuteur par sa position dans un espace de locuteurs de référence, nous avons également étudié comment cette position pouvait permettre une meilleure estimation du modèle GMM du locuteur, par exemple en fusionnant les modèles de ses plus proches voisins. Finalement, en complément à la modélisation GMM-UBM, nous avons étudié des algorithmes de fusion de décisions avec les différentes approches proposées.

Avec les progrès techniques des moyens de transport, les déplacements se démocratisent et rendent les distances plus accessibles. Cette augmentation du trafic à tous les niveaux, mondial, régional et local, entraîne un encombrement croissant des routes terrestres, aériennes et maritimes et implique une surveillance particulière des zones à risque. Depuis quelques années, particulièrement dans le contexte maritime, cette surveillance est améliorée par l'utilisation des outils de géolocalisation comme le GPS (Global Positionning System) et les systèmes de transmission tel que la VHF (Very Hight Frequency) qui permettent de disposer de flux de données (positions, vitesses, caps) en temps réel. Les trajectoires des navires liées à ces données sont généralement représentées dans un environnement absolu (représentation cartographique) ou de manière relative (représentation radar). Ces représentations favorisent l'observation du positionnement des navires en temps réel, mais sans faciliter une véritable appréhension de l'évolution de toutes les informations connues dans les dimensions spatiales et temporelles, ce qui ne permet pas une complète compréhension des futurs états d'un système donné et une anticipation des situations critiques. L'objectif de cette thèse est de développer un nouveau modèle conceptuel de représentation des trajectoires géographiques pour l'aide à l'analyse de comportements d'objets mobiles. Le cadre expérimental de notre recherche est celui des trajectoires maritimes, à partir duquel nous proposons de construire un modèle formel de représentation et de manipulation de trajectoires. Nous postulons que la compréhension et la perception d'un processus de déplacement peut passer par une vision égocentrique de l'espace et du temps, où les primitives de modélisation sont les composantes géométriques couramment utilisées au sein des Systèmes d'Information Géographiques. Nous montrerons que la vitesse relative et la distance apparaissent comme des paramètres pertinents de compréhension des processus de déplacement. La position relative est basée sur une notion de distance entre objets mobiles, avec une distinction qualitative qui prend en compte la nature des relations topologiques entre ces objets. La vitesse relativisée est elle basée sur une notion de vitesse relative, et où les objets plus rapides ou moins rapides que l'objet de référence sont différenciés. L'association de ces mesures définit des états spatio-temporels caractérisés dans le langage naturel et composés afin de définir des relations transitives entre les objets. Le modèle proposé permet d'identifier les changements spatio-temporels lors de transitions continues entre les états et de leur associer des processus caractérisés par des expressions non ambiguës dans le langage naturel. La visualisation de ces processus complète les visualisations existantes des positions des objets mobiles et donne un cadre nouveau de perception et d'analyse des trajectoires en milieu maritime. Un prototype pour l'application aux déplacements maritimes de navires permet de visualiser les processus décrits et valider le modèle défini avec des données maritimes réelles, et plusieurs cas d'école expérimentés auprès d'un panel d'utilisateurs.