Search

These notes are an overview of some classical linear methods in Multivariate Data Analysis. This is a good old domain, well established since the 60's, and refreshed timely as a key step in statistical learning. It can be presented as part of statistical learning, or as dimensionality reduction with a geometric flavor. Both approaches are tightly linked: it is easier to learn patterns from data in low dimensional spaces than in high-dimensional spaces. It is shown how a diversity of methods and tools boil down to a single core methods, PCA with SVD, such that the efforts to optimize codes for analyzing massive data sets like distributed memory and task-based programming or to improve the efficiency of the algorithms like Randomised SVD can focus on this shared core method, and benefit to all methods.; Ce document brosse un panorama des méthodes linéaires de l'Analyse de données multivariées. Il s'agit d'un domaine ancien et classique, bien établi depuis les années 60, et redevenu d'actualité en tant qu'étape clé dans l'apprentissage statistique. On peut considérer ces méthodes comme faisant partie d'une approche algébrique de l'apprentissage statistique ou bien comme une réduction de dimension avec une tonalité plus géométrique. Ces deux approches sont étroitement liées : il est plus facile d'apprendre des patterns des données dans des espaces à faible dimension que dans des espaces à grande dimension. Nous montrons comment une apparente diversité de méthodes et outils se réduit en fait pour un tableau à une seule méthode : l'Analyse en Composantes Principales, avec la SVD (Singular Value Decomposition), de telle sorte que les efforts d'optimisation des codes pour l'analyse de jeux de données massives pourraient eut se focaliser sur cette méthode centrale partagée, au bénéfice de toutes les méthodes. Une extension à l'étude de plusieurs tableaux est présentée (Analyse canonique).

The objective of this thesis is to define efficient methods for optimization of free-form surfaces machining time. Specifically, 3-axis and 3+2-axis by zone end-milling, using parallel-planes strategy are considered under quality constraints (maximum scallop height). The first chapter presents the prerequisites to know about the machining problem, as well as the basic notions necessary to understand the rest of this work.The second chapter is devoted to a new methodology of approximation of free-form surfaces by planes, using Principal Component Analysis (PCA). In the third chapter, the clustering of free-form surfaces is treated. A new metric is introduced to take into account the kinematic behavior of the machine, also, different clustering algorithms are tested and compared. In the last chapter, the machining of free-form surfaces is formulated as an optimization problem where we seek to minimize the machining time under the scallop height constraint. An original formulation integrating the clustering and machining steps is proposed. The resulting optimization problem is a black-box problem solved by the NOMAD software. A heuristic approach combining PCA and optimization is also proposed, this approach allows to obtainconsiderable gains compared to the results we have obtained so far and those from the literature; Cette thèse a pour objet la définition de méthodes efficaces pour l’optimisation du temps d’usinage en bout et par zones des surfaces gauches sur les machines 3-axes et 3+2-axes, sous contrainte de qualité (hauteur de crête maximale) en utilisant la stratégie plans parallèles. Le premier chapitre présente les prérequis à savoir sur le problème d’usinage, ainsi que les notions de bases nécessaires à la compréhension de la suite de ce travail. Le second chapitre est consacré à une nouvelle méthodologie d’approximation des surfaces gauches par des plans, à l’aide de l’Analyse en Composantes Principales (ACP). Dans le troisième chapitre , le partitionnement des surfaces gauches est traité. Une nouvelle métrique est intro-duite permettant prendre en compte le comportement cinématique de la machine, de plus différents algorithmes de partitionnement sont testés et comparés. Dans le dernier chapitre, l’usinage de surfaces gauches est formulé comme un problème d’optimisation où on cherche à minimiser le temps d’usinage sous contrainte de hauteur de crête. Une formulation originale intégrant les étapes de partitionnement et d’usinage est proposée. Le problème d’optimisation ainsi obtenu est de type boite noire et résolu par le logiciel NOMAD. Une approche heuristique combinant ACP et optimisation est également proposée. Cette approche permet d’obtenir des gains considérables par rapport aux résultats que nous avons obtenus jusqu’ici etceux de la littérature.

International audience; Notre étude s'intéresse à la classification de journées de l'hiver 2017-2018 en fonction des conditions de précipitations. L'objectif est d'expliciter les étendues présentant le même type de conditions en lien avec différentes tendances météorologiques à l'échelle des Alpes françaises. Pour ce faire, nous mettons en œuvre une succession de méthodes classiques d'analyse statistique et de data-mining (Analyse en Composantes Principales, Classification Ascendante Hiérarchique et K-Moyennes). L'étude est conduite à travers une comparaison entre deux jeux de données de dimensions différentes : 90 et 15 journées. Le jeu de données de petite dimension (15 journées) a pour intérêt de confirmer les grandes tendances issues de l'analyse du jeu de données de plus grande dimension (90 journées) tout en ajoutant une nouvelle classe correspondant à une situation bien réelle mais sous-représentée et donc absorbée par le grand jeu de données. Menant cette étude dans le contexte des risques d'avalanches, nous montrons aussi qu'une corrélation peut être observée entre la localisation des étendues principalement affectées par les différentes tendances et la localisation des avalanches spontanées observées pour chaque journée correspondante.

In the context of energy transition, wind power generation is developing rapidly. Meanwhile, in the framework of digitalization of the industry, the exploitation of collected data can be optimized by combination with numerical models. Such models can be complex and costly as they involve dynamic equations coupled with different physics. Furthermore, some of their input parameters related to the model properties as well as the external conditions can be badly known. These uncertainties affect the predictions obtained from model simulations and thus can impact the components lifetime for example. This dissertation focuses consequently on quantifying and reducing the input parameter uncertainties involved in an aero-servo-elastic wind turbine model. Nevertheless, the widely used methods in uncertainty quantification are not suitable in the present industrial context because of the stochastic nature of the external solicitation and the time consuming behavior of the simulator. Our main contributions are twofold.Firstly, we want to quantify the impact of the uncertainties on the fatigue behavior of a wind turbine. We propose a global sensitivity analysis (GSA) methodology, based on the so-called Sobol' indices, for stochastic computer simulations. Such techniques, which often refer to the probabilistic framework and Monte Carlo (MC) methods, require a lot of calls to the numerical model. The uncertain input parameters are modeled by independent random variables gathered into a random vector and characterized by their probability distribution function (pdf). Variance-based GSA for time consuming deterministic computer models is usually performed by approximating the model by a surrogate regression. Among the different surrogates, we focus on Gaussian process (GP) regression characterized by its mean and covariance functions. One advantage of the GP regression metamodeling is to provide both a prediction of the numerical model and the associated uncertainty. In order to take into account the inherent randomness from stochastic simulations, we propose as a surrogate for the mean of the output of interest a GP regression with heteroscedastic noise. Then, this surrogate model is used to perform a sensitivity analysis based on classical MC estimation procedure.Secondly, we propose a Bayesian inference framework to carry out the calibration of influential input parameters from in situ measurements. It uses some measurements to update some prior pdfs on the unknown input parameters through the Bayes’ theorem. Recent decades have been marked by a simultaneous development of sensor technologies and internet of things capabilities. Thus, our research efforts have been directed toward inference techniques where the data are sequentially processed when new observations become available. In this context, model parameter inference can be carried out using data assimilation methods. We carry out the calibration using an ensemble Kalman filter (EnKF). Nevertheless, unlike the model properties having a static or slow time-variant behavior, the parameters related to the external conditions have a dynamic aspect. Thus, we propose to carry out the inference problem using an EnKF coupled with an analog forecasting strategy based on nearest neighbors to model the underlying dynamic model. However, such problems can be solved assuming that several conditions of well-posedness and identifiability are achieved. We exploit the relationship between non-identifiability of input parameters and total Sobol' indices. Indeed, for each measure output, we compute total Sobol indices associated to input parameters. If all the total Sobol' indices associated to a prescribed input parameter are "small", it means that this parameter is non-identifiable. Due to the functional nature of the measurements, we rely on a dimension reduction preliminary step through principal component analysis and then we compute an aggregated Sobol' index for each model parameter., Dans un contexte énergétique en pleine transition, l'énergie d'origine éolienne se développe rapidement. Parallèlement, dans le cadre de la digitalisation de l'industrie, l'exploitation des données collectées peut être optimisée par combinaison avec des modèles numériques d'éoliennes. Ces modèles peuvent être complexes et coûteux car ils impliquent des équations dynamiques non linéaires couplées à différentes physiques. De plus, certains de leurs paramètres d'entrée peuvent être mal ou peu connus. Ces incertitudes affectent les prédictions obtenues à partir de ces simulations et peuvent avoir un impact important sur la surveillance de l'état de la structure. Cette thèse se concentre sur la quantification et la réduction des incertitudes des paramètres d'entrée d’un modèle aéro-servo-élastique d'une éolienne. Néanmoins, les méthodes largement utilisées de quantification des incertitudes ne conviennent pas à notre contexte industriel du fait de la nature stochastique et du coût de chaque évaluation du simulateur. Nos principales contributions sont les suivantes.Premièrement, nous quantifions l'impact des incertitudes sur le comportement en fatigue d'une éolienne. Nous proposons une méthodologie d'analyse de sensibilité globale (ASG) basée sur les indices de Sobol' dans le cadre de simulations numériques stochastiques. De telles techniques, qui font souvent référence au cadre probabiliste et aux méthodes de Monte Carlo (MC), nécessitent de nombreux appels au modèle. Les paramètres d'entrée incertains sont modélisés par des variables aléatoires indépendantes regroupées dans un vecteur aléatoire et caractérisées par leur loi de probabilité. De telles analyses pour des simulations déterministes coûteuses en temps de calcul sont en général réalisées en approchant le modèle par un métamodèle. Nous nous concentrons sur un métamodèle de type processus gaussien (PG) caractérisé par sa moyenne et sa fonction de covariance. Il présente l’avantage de fournir à la fois une prédiction du modèle numérique et l'incertitude associée. Cependant, l’ASG basée sur ce type de modèle de substitution ne tient pas compte du caractère aléatoire inhérent à la simulation stochastique. Ainsi, nous proposons de modéliser la moyenne de la sortie d’intérêt avec un modèle par un PG avec bruit hétéroscédastique. Ensuite, ce métamodèle est utilisé pour effectuer une ASG avec une procédure classique d'estimation MC.Deuxièmement, nous proposons une procédure d'inférence bayésienne à partir de mesures in situ permettant de réduire les incertitudes qui entachent les paramètres d'entrée influents sur le comportement en fatigue de l'éolienne. Les dernières décennies ont été marquées par un développement simultané des technologies de capteurs et de l'internet des objets. Ainsi, nos efforts de recherche ont été orientés vers des techniques d'inférence où les données sont traitées séquentiellement lorsque de nouvelles observations deviennent disponibles. Dans ce contexte, l'inférence des paramètres du modèle peut être effectuée à l'aide de méthodes d'assimilation de données. Nous nous focalisons tout particulièrement sur le filtre de Kalman d'ensemble (EnKF). Lorsque le modèle dynamique sous-jacent des paramètres d'entrée est inconnu, nous proposons d'utiliser une procédure d'inférence combinant un EnKF à une stratégie de prévision par analogues basée sur une méthode des plus proches voisins. Cependant, seule l'inférence des paramètres identifiables a du sens. Un paramètre n'ayant aucune influence sur les sorties mesurées n'est pas identifiable. Cette influence est mesurée en estimant les indices de Sobol' totaux des sorties mesurées aux paramètres d'entrée. En raison de la nature fonctionnelle des sorties mesurées, nous nous appuyons sur une réduction de dimension par analyse en composantes principales préalable à l’estimation d’un indice de Sobol' agrégé pour chaque sortie mesurée aux paramètres du modèle.

Uncertainty quantification problems for numerical models require a lot of simulations, often very computationally costly (in time and/or memory). This is why it is essential to build surrogate models that are cheaper to evaluate. In practice, the output of a numerical model is represented by a function, then the objective is to construct an approximation.The aim of this thesis is to construct a controlled approximation of a function while using as few evaluations as possible.In a first time, we propose a new method based on weighted least-squares to construct the approximation of a function onto a linear approximation space. We prove that the projection verifies a numerical stability property almost surely and a quasi-optimality property in expectation. In practice we observe that the sample size is closer to the dimension of the approximation space than with existing weighted least-squares methods.For high-dimensional approximation, and in order to exploit potential low-rank structures of functions, we consider the model class of functions in tree-based tensor formats. These formats admit a multilinear parametrization with parameters forming a tree network of low-order tensors and are therefore also called tree tensor networks. In this thesis we propose an algorithm for approximating functions in tree-based tensor formats. It consists in constructing a hierarchy of nested subspaces associated to the different levels of the tree. The construction of these subspaces relies on principal component analysis extended to multivariate functions and the new weighted least-squares method. To reduce the number of evaluations necessary to build the approximation with a certain precision, we propose adaptive strategies for the control of the discretization error, the tree selection, the control of the ranks and the estimation of the principal components.; Les problèmes de quantification d'incertitudes des modèles numériques nécessitent de nombreuses simulations, souvent très coûteuses (en temps de calcul et/ou en mémoire). C'est pourquoi il est essentiel de construire des modèles approchés qui sont moins coûteux à évaluer. En pratique, si la réponse d'un modèle numérique est représentée par une fonction, on cherche à en construire une approximation.L'objectif de cette thèse est de construire l'approximation d'une fonction qui soit contrôlée tout en utilisant le moins d'évaluations possible de la fonction.Dans un premier temps, nous proposons une nouvelle méthode basée sur les moindres carrés pondérés pour construire l'approximation d'une fonction dans un espace vectoriel. Nous prouvons que la projection vérifie une propriété de stabilité numérique presque sûrement et une propriété de quasi-optimalité en espérance. En pratique on observe que la taille de l'échantillon est plus proche de la dimension de l'espace d'approximation que pour les autres techniques de moindres carrés pondérées existantes.Pour l'approximation en grande dimension et afin d’exploiter de potentielles structures de faible dimension, nous considérons dans cette thèse des approximations dans des formats de tenseurs basés sur des arbres. Ces formats admettent une paramétrisation multilinéaire avec des paramètres formant un réseau de tenseurs de faible ordre et sont ainsi également appelés réseaux de tenseurs basés sur des arbres. Dans cette thèse, nous proposons un algorithme pour construire l'approximation de fonctions dans des formats de tenseurs basés sur des arbres. Il consiste à construire une hiérarchie de sous-espaces imbriqués associés aux différents niveaux de l'arbre. La construction de ces espaces s'appuie sur l'analyse en composantes principales étendue aux fonctions multivariées et sur l'utilisation de la nouvelle méthode des moindres carrés pondérés. Afin de réduire le nombre d'évaluations nécessaires pour construire l'approximation avec une certaine précision, nous proposons des stratégies adaptatives pour le contrôle de l'erreur de discrétisation, la sélection de l'arbre, le contrôle des rangs et l'estimation des composantes principales.

Uncertainty quantification problems for numerical models require a lot of simulations, often very computationally costly (in time and/or memory). This is why it is essential to build surrogate models that are cheaper to evaluate. In practice, the output of a numerical model is represented by a function, then the objective is to construct an approximation.The aim of this thesis is to construct a controlled approximation of a function while using as few evaluations as possible.In a first time, we propose a new method based on weighted least-squares to construct the approximation of a function onto a linear approximation space. We prove that the projection verifies a numerical stability property almost surely and a quasi-optimality property in expectation. In practice we observe that the sample size is closer to the dimension of the approximation space than with existing weighted least-squares methods.For high-dimensional approximation, and in order to exploit potential low-rank structures of functions, we consider the model class of functions in tree-based tensor formats. These formats admit a multilinear parametrization with parameters forming a tree network of low-order tensors and are therefore also called tree tensor networks. In this thesis we propose an algorithm for approximating functions in tree-based tensor formats. It consists in constructing a hierarchy of nested subspaces associated to the different levels of the tree. The construction of these subspaces relies on principal component analysis extended to multivariate functions and the new weighted least-squares method. To reduce the number of evaluations necessary to build the approximation with a certain precision, we propose adaptive strategies for the control of the discretization error, the tree selection, the control of the ranks and the estimation of the principal components.; Les problèmes de quantification d'incertitudes des modèles numériques nécessitent de nombreuses simulations, souvent très coûteuses (en temps de calcul et/ou en mémoire). C'est pourquoi il est essentiel de construire des modèles approchés qui sont moins coûteux à évaluer. En pratique, si la réponse d'un modèle numérique est représentée par une fonction, on cherche à en construire une approximation.L'objectif de cette thèse est de construire l'approximation d'une fonction qui soit contrôlée tout en utilisant le moins d'évaluations possible de la fonction.Dans un premier temps, nous proposons une nouvelle méthode basée sur les moindres carrés pondérés pour construire l'approximation d'une fonction dans un espace vectoriel. Nous prouvons que la projection vérifie une propriété de stabilité numérique presque sûrement et une propriété de quasi-optimalité en espérance. En pratique on observe que la taille de l'échantillon est plus proche de la dimension de l'espace d'approximation que pour les autres techniques de moindres carrés pondérées existantes.Pour l'approximation en grande dimension et afin d’exploiter de potentielles structures de faible dimension, nous considérons dans cette thèse des approximations dans des formats de tenseurs basés sur des arbres. Ces formats admettent une paramétrisation multilinéaire avec des paramètres formant un réseau de tenseurs de faible ordre et sont ainsi également appelés réseaux de tenseurs basés sur des arbres. Dans cette thèse, nous proposons un algorithme pour construire l'approximation de fonctions dans des formats de tenseurs basés sur des arbres. Il consiste à construire une hiérarchie de sous-espaces imbriqués associés aux différents niveaux de l'arbre. La construction de ces espaces s'appuie sur l'analyse en composantes principales étendue aux fonctions multivariées et sur l'utilisation de la nouvelle méthode des moindres carrés pondérés. Afin de réduire le nombre d'évaluations nécessaires pour construire l'approximation avec une certaine précision, nous proposons des stratégies adaptatives pour le contrôle de l'erreur de discrétisation, la sélection de l'arbre, le contrôle des rangs et l'estimation des composantes principales.

International audience; Le but de cette étude est de comparer les performances des méthodes d'analyse de données fonctionnelles par rapport à une approche basée sur des descripteurs métiers pour automatiser le diagnostic d'aiguillages ferroviaires.

Using an i.i.d. sample of a random matrix, an eigenvector corresponding to its largest eigenvalue can be sequentially estimated by the currently used process of Oja, then eigenvectors corresponding to its eigenvalues in decreasing order. We propose two extensions of the almost sure convergence assumptions of this process. Applying these extensions to online PCA of a data stream, this allows to study the case where the metric used is unknown and is estimated online and also to prove the convergence of a process using, instead of a mini-batch of observations at each step, all observations until the current step thus the information contained in the previous data without storing them., Le processus de Oja est couramment utilisé pour estimer séquentiellement un vecteur propre associé à la plus grande valeur propre de l'espérance mathématique d'une matrice aléatoire symétrique en en utilisant un échantillon i.i.d., puis des vecteurs propres associés aux valeurs propres suivantes en ordre décroissant. Nous proposons deux extensions des hypothèses de convergence presque sûre de ce processus. Dans l'ACP en ligne d'un ‡ux de données, ces extensions permettent de traiter des cas où la métrique utilisée est inconnue et est estimée en ligne, et également d'établir la convergence d'un processus où, au lieu d'utiliser plusieurs observations à chaque étape, on utilise toutes les observations jusqu'à l'étape courante, donc toute l'information contenue dans les données précédentes, sans avoir à les stocker.

National audience; L'étude proposée consiste à étudier les types de défauts obtenus en fabrication additive EBM (Electron Beam Melting) pour cela, une géométrie particulière a été choisie avec un volume en surplomb. Les défauts géométriques les plus importants se sont localisés sur la face avant (perte de bord) et le dessous de la pièce (variation d'épaisseur). Afin de caractériser la forme des défauts, une Analyse en Composantes Principales (ACP) a été mise en oeuvre et permet d'identifier les modes les plus significatifs de chacun des lots de pièces produits. A partir de ces analyses, il en ressort que les défauts dépendent de la stratégie de fabrication et que les pièces placées sur la périphérie du plateau présentent des défauts de grandes amplitudes.

In this thesis, the diagnosis of a nonlinear system was performed using data analysis. Initially developed to analyze linear system, Principal Component Analysis (PCA) is coupled with kernel methods for detection, isolation and estimation of faults' magnitude for nonlinear systems. Kernel PCA consists in projecting data using a nonlinear mapping function into a higher dimensional space called feature space where the linear PCA is applied. Due to the fact that the projections are done using kernels, the detection can be performed in the feature space. However, estimating the magnitude of the fault requires the resolution of a nonlinear optimization problem. The variables' contributions make it possible to isolate and estimate these magnitudes. The variable with the largest contribution may be considered as faulty. In our work, we proposed new methods for the isolation and estimation phases for which previous work has some limitations. The new proposed method in this thesis is based on contributions under constraints. The effectiveness of the developed methods is illustrated on the simulated continuous stirred tank reactor (CSTR)., Dans cette thèse, le diagnostic d'un système non linéaire a été réalisé par une analyse de données. Initialement conçue pour analyser les données liées par des relations linéaires, l'Analyse en Composantes Principales (ACP) est couplée aux méthodes à noyau pour détecter, localiser et estimer l'amplitude des défauts sur des systèmes non linéaires. L'ACP à noyau consiste à projeter les données par l'intermédiaire d'une application non linéaire dans un espace de dimension élevée dénommé espace des caractéristiques où l'ACP linéaire est appliquée. Ayant fait la projection à l'aide de noyaux, la détection peut facilement être réalisée dans l'espace des caractéristiques. Cependant, l'estimation de l'amplitude du défaut nécessite la résolution d'un problème d'optimisation non linéaire. Une étude de contributions permet de localiser et d'estimer ces amplitudes. La variable ayant la plus grande contribution est susceptible d'être affectée par un défaut. Dans notre travail, nous avons proposé de nouvelles méthodes pour les phases de localisation et d'estimation des défauts pour lesquelles les travaux existants ont des limites. La nouvelle méthode proposée est basée sur les contributions sous contraintes permettant d'obtenir une reconstruction parcimonieuse des variables. L'efficacité des méthodes proposées est montrée sur un réacteur à agitation continue (CSTR).

This article describes a statistical analysis applied on a centrifugation process of Saint-Gobain. The correlations within data were analysed by PCA, and some statistical models were built using information from the previous step. The final purpose is to build a control law for the centrifugation process through this statistical analysis. The work is still ongoing, but the first results already show which process steps play an important role in the final product's quality., Cet article présente une analyse statistique des données issues d'un procédé de centrifugation utiliséà Saint-Gobain. Les différentes corrélations entre les variables enregistrées ontété analysées via une ACP, et sur cette base plusieurs modèles statistiques ontété proposés. L'objectif final est de proposer un processus de contrôle de procédé de centrifugationà travers cette analyse statistique. Ce travail est actuellement en cours mais les résultats obtenus indiquent déjà quellesétapes du procédé industriel pourraient jouer de manière prépondérante sur la qualité du produit final.

While moving the soldier will generate fabric-to-fabric frictions that will generate itself friction sounds. It is important to study them because these noises can be annoying or even disabling during the soldier’s progress. Previous studies have shown that sound properties of fabrics depend on various parameters such as the weave pattern or the surface of the fabric. Wear of fabrics is one of the main factors affecting the surface of fabrics therefore the aim of this study is to analyze the wear’s influence on fabric friction sound by two different approaches. The friction sounds of four technical fabrics were generated and recorded using an experimental device to simulate the movement of the arm when a person is walking. In order to assess the wear’s influence, the samples were worn out by two different methods, by multiple washes and by the Martindale process. For each of these samples, acoustic parameters, mechanical and sensory properties were measured. Acoustic parameters such as sound level were obtained thanks to a Fast Fourier transform, the Kawabata Evaluation System (KES) was used to measure the properties of compression and surface of fabrics. Finally, a trained panel carried out the assessment of sensory properties. The results showed a different evolution of the total sound level depending on how the fabric was worn. A study of the correlations especially by principal component analysis between all these parameters was realized. Thus, a strong relationship between the sound level, the compressive resilience and the friction coefficient of fabrics was demonstrated. This multidisciplinary work has shown the wear’s influence on the noise level of friction. Indeed, this level is different according to the state of fabric’s surface therefore according to its degree of wear., Le combattant, en se déplaçant, va générer un frottement tissu contre tissu qui générera lui-même des bruits de friction. Ces bruits pouvant être gênants, voire fortement handicapants, lors de la progression du combattant, il est important de les étudier. Des études antérieures ont montré que les propriétés sonores des tissus dépendent de nombreux paramètres tels que l’armure ou l’état de surface du tissu. L’usure étant l’un des principaux facteurs entraînant des modifications de cet état de surface, l’objectif de cette étude est d’analyser l’influence de l’usure sur le bruit de frottement des étoffes par deux approches différentes.Lors de ces travaux, les bruits de friction de quatre étoffes techniques ont été générés et enregistrés grâce à un dispositif expérimental permettant de simuler le mouvement du bras lors de la marche. Afin de pouvoir évaluer l’influence de l’usure, les échantillons ont été usés par deux méthodes différentes, par de multiples lavages et par le procédé Martindale. Pour chacun de ces échantillons, les paramètres acoustiques, les propriétés mécaniques et sensorielles ont été mesurés. Les paramètres acoustiques tels que le niveau sonore ont été obtenus à partir de la transformée de Fourier des spectres sonores, le système d'évaluation Kawabata (KES) a été utilisé pour mesurer les propriétés de compression et de surface du tissu. Enfin, l'évaluation des propriétés sensorielles a été effectué par un panel entraîné.Les résultats ont montré une évolution différente du niveau sonore selon la façon dont l’étoffe a été usée. Une étude des corrélations par analyse en composantes principales entre l’ensemble de ces paramètres a été réalisée, une forte relation entre le niveau sonore, la résilience en compression et le coefficient de frottement des étoffes a ainsi été démontrée. Ces travaux pluridisciplinaires ont permis de mettre en évidence l’impact des conditions d’usage des textiles sur le niveau sonore des bruits de friction, en effet, celui-ci varie en fonction de l’état de surface de l’étoffe et donc en fonction de son degré d’usure.

Cryptographic integrated circuits may be vulnerable to attacks based on the observation of information leakages conducted during the cryptographic algorithms' executions, the so-called Side-Channel Attacks. Nowadays the presence of several countermeasures may lead to the acquisition of signals which are at the same time highly noisy, forcing an attacker or a security evaluator to exploit statistical models, and highly multi-dimensional, letting hard the estimation of such models. In this thesis we study preprocessing techniques aiming at reducing the dimension of the measured data, and the more general issue of information extraction from highly multi-dimensional signals. The first works concern the application of classical linear feature extractors, such as Principal Component Analysis and Linear Discriminant Analysis. Then we analyse a non-linear generalisation of the latter extractor, obtained through the application of a « Kernel Trick », in order to let such preprocessing effective in presence of masking countermeasures. Finally, further generalising the extraction models, we explore the deep learning methodology, in order to reduce signal preprocessing and automatically extract sensitive information from rough signal. In particular, the application of the Convolutional Neural Network allows us to perform some attacks that remain effective in presence of signal desynchronisation.; La cryptographie embarquée sur les composants sécurisés peut être vulnérable à des attaques par canaux auxiliaires basées sur l’observation de fuites d’information issues de signaux acquis durant l’exécution de l’algorithme. Aujourd’hui, la présence de nombreuses contremesures peut conduire à l’acquisition de signaux à la fois très bruités, ce qui oblige un attaquant, ou un évaluateur sécuritaire, à utiliser des modèles statistiques, et très larges, ce qui rend difficile l’estimation de tels modèles. Dans cette thèse nous étudions les techniques de réduction de dimension en tant que prétraitement, et plus généralement le problème de l’extraction d’information dans le cas des signaux de grandes dimensions. Les premiers travaux concernent l’application des extracteurs de caractéristiques linéaires classiques en statistiques appliquées, comme l'analyse en composantes principales et l’analyse discriminante linéaire. Nous analysons ensuite une généralisation non linéaire de ce deuxième extracteur qui permet de définir une méthode de prétraitement qui reste efficace en présence de contremesures de masquage. Finalement, en généralisant davantage les modèles d’extractions, nous explorons certaines méthodes d’apprentissage profond pour réduire les prétraitements du signal et extraire de façon automatique l’information du signal brut. En particulier, l’application des réseaux de neurones convolutifs nous permet de mener des attaques qui restent efficaces en présence de désynchronisation.

Cryptographic integrated circuits may be vulnerable to attacks based on the observation of information leakages conducted during the cryptographic algorithms' executions, the so-called Side-Channel Attacks. Nowadays the presence of several countermeasures may lead to the acquisition of signals which are at the same time highly noisy, forcing an attacker or a security evaluator to exploit statistical models, and highly multi-dimensional, letting hard the estimation of such models. In this thesis we study preprocessing techniques aiming at reducing the dimension of the measured data, and the more general issue of information extraction from highly multi-dimensional signals. The first works concern the application of classical linear feature extractors, such as Principal Component Analysis and Linear Discriminant Analysis. Then we analyse a non-linear generalisation of the latter extractor, obtained through the application of a « Kernel Trick », in order to let such preprocessing effective in presence of masking countermeasures. Finally, further generalising the extraction models, we explore the deep learning methodology, in order to reduce signal preprocessing and automatically extract sensitive information from rough signal. In particular, the application of the Convolutional Neural Network allows us to perform some attacks that remain effective in presence of signal desynchronisation.; La cryptographie embarquée sur les composants sécurisés peut être vulnérable à des attaques par canaux auxiliaires basées sur l’observation de fuites d’information issues de signaux acquis durant l’exécution de l’algorithme. Aujourd’hui, la présence de nombreuses contremesures peut conduire à l’acquisition de signaux à la fois très bruités, ce qui oblige un attaquant, ou un évaluateur sécuritaire, à utiliser des modèles statistiques, et très larges, ce qui rend difficile l’estimation de tels modèles. Dans cette thèse nous étudions les techniques de réduction de dimension en tant que prétraitement, et plus généralement le problème de l’extraction d’information dans le cas des signaux de grandes dimensions. Les premiers travaux concernent l’application des extracteurs de caractéristiques linéaires classiques en statistiques appliquées, comme l'analyse en composantes principales et l’analyse discriminante linéaire. Nous analysons ensuite une généralisation non linéaire de ce deuxième extracteur qui permet de définir une méthode de prétraitement qui reste efficace en présence de contremesures de masquage. Finalement, en généralisant davantage les modèles d’extractions, nous explorons certaines méthodes d’apprentissage profond pour réduire les prétraitements du signal et extraire de façon automatique l’information du signal brut. En particulier, l’application des réseaux de neurones convolutifs nous permet de mener des attaques qui restent efficaces en présence de désynchronisation.

Article publié en français (p.28-35), avec un résumé étendu en anglais (p.36-37), et 8 planches couleur hors-texte (p.70-77); International audience; This study describes the use of PCA (Principal Components Analysis) and fuzzy logic methods to solve change detection problems and map land cover changes by using AdaBoost Neural Network-based algorithm. The aim is to study the impact on forest conservation of transferring the management of natural resources from national to local level, with a case-study in Didy area in North-Eastern Madagascar (Plates 1 and 2). The test site is located at the transition between humid forest and savanna and lower areas are occupied by rice fields.In this approach, the study makes the difference pixel by pixel of each pair of spectral bands acquired at two dates. After that, all images have been introduced as variables into the PCA process in order to reduce them to the first axes. Then, the fuzzy approach is applied over the first PCA components to highlight the pixels that show the changes. Finally, changes on image were classified so as to find all types of land cover changes. The application of this method was performed on Landsat 5 images (path = 158, row = 073) acquired in 1994, 2001 and 2009, to verify the impact of the management of natural resources by the local community and its impacts on forest conservation. Images of 1994 and 2001 are used to study the changes before management of natural resources transfer projects. And images taken in 2001 and 2009 are processed for studying changes since this project launches. In this study, we considered only the first three components of PCA because they contain all change information (table 1). The first three PCA component histograms show that all pixels values are close to the normal distribution (Plate 3). So, the use of fuzzy membership function proposed by Gong (1993) is well justified. Plate 4 shows the map of changes by PCA and fuzzy set theory (a): between 1994 and 2001; (b): between 1994 and 2001. Then, the changes in Plate 4 were classified using an Adaboost Neural Network-based algorithm.To verify the effectiveness of management transfer at local level on forest conservation, three vegetation classes were analyzed: crops on slash and burn areas, natural forest and forest regrowth. Results from changes map are displayed at Plates 5 and 6. Statistics of changes have been computed (Table 2), excluding changes to clouds and shadows. Analysis of map and statistical results shows that after local communities manage natural resources, there was a decrease of the practice of slash and burn (‘tavy’) and a progressive dynamic from any other land cover classes to forest regrowth ('savoka'). Consequently, this study demonstrates that the transfer of natural resources management to the local community has a significant positive impact on forest conservation.; Cette étude illustre l’utilisation de la méthode ACP (Analyse en Composantes Principales) combinée avec l’approche floue, pour décrire les changements de l’occupation du sol, et la classification des changements obtenue par l’algorithme du réseau de neurones artificiel AdaBoost. L’application de cette méthode qui a été effectuée sur des images satellitaires Landsat 5 acquises respectivement en 1994, 2001 et 2009 a aussi pour but de montrer l’impact du processus de transfert de la gestion des ressources naturelles aux communautés locales sur la conservation des forêts dans la commune rurale de Didy, région Alaotra-Mangoro, Madagascar. L’étude a été faite en utilisant des images prises avant et après la mise en place du processus des projets de transfert de gestion. Les résultats montrent que ce mode de gestion des ressources naturelles a un apport positif sur la conservation des forêts

International audience; La recherche présente se consacre à l'élaboration d’un modèle dynamique de traduction des classiques chinois. Pour démonstration, nous avons choisi le Canon des Poèmes (Shijing 詩經, 11e - 6e av. J.-C.), qui constitue l’anthologie fondamentale de la littérature chinoise. Ce choix est d’autant plus significatif que, liés aux pratiques religieuses et rituelles, les chants recueillis sont des ressources indispensables pour connaître le culte des États féodaux chinois (1046-256 av. J.- C.) auxquels les institutions impériales feront une référence constante par la suite.La forme littéraire du Shijing est caractérisée par la répétition de diverses formules syntaxiques. Pour la composition, au-delà de la construction du vers, une formule révèle l’ordre des choses au regard des contemporains (1), évoque le réseau de sens interne entre vers similaires (2), et impulse le processus de sélection et combinaison des mots dans l’improvisation collective (3). Pour la lecture, au moyen d’une analyse de la combinatoire lexicale, nous pouvons découvrir des correspondances des motifs rythmiques, les gradations de ces derniers et enfin leurs contrastes dans le texte. Une telle compréhension du texte sous les deux aspects de composition et de lecture nous autorise à distinguer les éléments thématiques des éléments rythmiques. Sur la base de notre analyse, un mot peut être traduit non seulement en équivalence au niveau sémantique mais, en plus, en cohérence sur un plan thématique de même qu’au plan rythmique, et ce, jusqu’à son emplacement dans la mise en page de la traduction. Par conséquent, il y aura différentes activités de lecture et de traduction.La méthodologie proposée ne se prévaut pas uniquement de la puissance de l’outil numérique. Ellevalorise au contraire le principe de traduction du Shijing déjà recommandés par Marcel GRANETet les exécute méthodiquement : déterminer d'abord la nature du corpus d'où l’on tire des faitsafin d’évaluer la valeur de ces faits. Ce postulat est d’autant plus significatif qu’il s’inscrit dans lecontexte du pays natal de Victor SÉGALEN : cette contribution est l’anti-thèse de Stèle. Maproposition méthodologique de lecture expérimentale qui objective l'œuvre littéraire fondamentale de la civilisation chinoise dans le paradigme naissant des Digital Humanties veut prendre toute sa part danscette dynamique épistémologique qui consiste à « désorientaliser » la littérature chinoise, et tout particulièrement la littérature classique. Ce faisant, cela nous évite d'interpréter un texte en dehors du contexte des faits et laisse parler ce texte. Dans notre recherche, les motifs rythmiques extraits permettent de tracer les limites de notre action de lire et de traduire. C’est à ce niveau-là que la façon de parler des auteurs peut être reconstituée sans être substituée arbitrairement à celle du traducteur comme une fausse authenticité. Enfin, les motifs rythmiques de haute fréquence, contrastés par analyse en composantes principales (Principal Components Analysis, PCA), peuvent encore servir pour la (re)construction des styles de langage des États féodaux. Ils représentent en effet des façons de parler préférées des communautés politiques, qui sont sensibles, comme nous le prendrons pour exemple dans notre démonstration, au changement des termes des directions, des saisons et des différents lieux dédiés aux fêtes cultuelles.

International audience

This study describes the use of PCA (Principal Components Analysis) and fuzzy logic methods to solve change detection problems and map land cover changes by using AdaBoost Neural Network-based algorithm. The aim is to study the impact on forest conservation of transferring the management of natural resources from national to local level, with a case-study in Didy area in North-Eastern Madagascar (Plates 1 and 2). The test site is located at the transition between humid forest and savanna and lower areas are occupied by rice fields.In this approach, the study makes the difference pixel by pixel of each pair of spectral bands acquired at two dates. After that, all images have been introduced as variables into the PCA process in order to reduce them to the first axes. Then, the fuzzy approach is applied over the first PCA components to highlight the pixels that show the changes. Finally, changes on image were classified so as to find all types of land cover changes. The application of this method was performed on Landsat 5 images (path = 158, row = 073) acquired in 1994, 2001 and 2009, to verify the impact of the management of natural resources by the local community and its impacts on forest conservation. Images of 1994 and 2001 are used to study the changes before management of natural resources transfer projects. And images taken in 2001 and 2009 are processed for studying changes since this project launches. In this study, we considered only the first three components of PCA because they contain all change information (table 1). The first three PCA component histograms show that all pixels values are close to the normal distribution (Plate 3). So, the use of fuzzy membership function proposed by Gong (1993) is well justified. Plate 4 shows the map of changes by PCA and fuzzy set theory (a): between 1994 and 2001; (b): between 1994 and 2001. Then, the changes in Plate 4 were classified using an Adaboost Neural Network-based algorithm.To verify the effectiveness of management transfer at local level on forest conservation, three vegetation classes were analyzed: crops on slash and burn areas, natural forest and forest regrowth. Results from changes map are displayed at Plates 5 and 6. Statistics of changes have been computed (Table 2), excluding changes to clouds and shadows. Analysis of map and statistical results shows that after local communities manage natural resources, there was a decrease of the practice of slash and burn (‘tavy’) and a progressive dynamic from any other land cover classes to forest regrowth ('savoka'). Consequently, this study demonstrates that the transfer of natural resources management to the local community has a significant positive impact on forest conservation., Cette étude illustre l’utilisation de la méthode ACP (Analyse en Composantes Principales) combinée avec l’approche floue, pour décrire les changements de l’occupation du sol, et la classification des changements obtenue par l’algorithme du réseau de neurones artificiel AdaBoost. L’application de cette méthode qui a été effectuée sur des images satellitaires Landsat 5 acquises respectivement en 1994, 2001 et 2009 a aussi pour but de montrer l’impact du processus de transfert de la gestion des ressources naturelles aux communautés locales sur la conservation des forêts dans la commune rurale de Didy, région Alaotra-Mangoro, Madagascar. L’étude a été faite en utilisant des images prises avant et après la mise en place du processus des projets de transfert de gestion. Les résultats montrent que ce mode de gestion des ressources naturelles a un apport positif sur la conservation des forêts

Article en open access; International audience; Fruits of Silybum marianum (L.) Gaernt are the main source of taxifolin derived flavonolignans. Together, these molecules constitute a mixture called silymarin with many useful applications for cosmetic and pharmaceutic industries. Here, a validated method for the separation of the silymarin constituents has been developed to ensure precision and accuracy in their quantification. Each compound was separated with a high reproducibility. Precision and repeatability of the quantification method were validated according to the AOAC recommendations. The method was then applied to study the natural variability of wild accessions of S. marianum. Analysis of the variation in the fruits composition of these 12 accessions from Pakistan evidenced a huge natural diversity. Correlation analysis suggested a synergistic action of the different flavonolignans to reach the maximal antioxidant activity, as determined by cupric ion reducing antioxidant capacity (CUPRAC) and ferric reducing antioxidant power (FRAP) assays. Principal component analysis (PCA) separated the 12 accessions into three distinct groups that were differing from their silymarin contents, whereas hierarchical clustering analysis (HCA) evidenced strong variations in their silymarin composition, leading to the identification of new silybin-rich chemotypes. These results proved that the present method allows for an efficient separation and quantification of the main flavonolignans with potent antioxidant activities.

Performing flow simulations on numerical models representative of oil deposits is usually a time consuming task in reservoir engineering. The substitution of a meta-model, a mathematical approximation, for the flow simulator is thus a common practice to reduce the number of calls to the flow simulator. It permits to consider applications such as sensitivity analysis, history-matching, production estimation and optimization. This thesis is about the study of meta-models able to integrate simulations performed at different levels of accuracy, for instance on reservoir models with various grid resolutions. The goal is to speed up the building of a predictive meta-model by balancing few expensive but accurate simulations, with numerous cheap but approximated ones. Multi-fidelity meta-models, based on co-kriging, are thus compared to kriging meta-models for approximating different flow simulation outputs. To deal with vectorial outputs without building a meta-model for each component of the vector, the outputs can be split on a reduced basis using principal component analysis. Only a few meta-models are then needed to approximate the main coefficients in the new basis. An extension of this approach to the multi-fidelity context is proposed. In addition, it can provide an efficient meta-modelling of the objective function when used to approximate each production response involved in the objective function definition. The proposed methods are tested on two synthetic cases derived from the PUNQ-S3 and Brugge benchmark cases. Finally, sequential design algorithms are introduced to speed-up the meta-modeling process and exploit the multi-fidelity approach., Les simulations d'écoulement sur des modèles représentatifs d'un gisement pétrolier sont généralement coûteuses en temps de calcul. Une pratique courante en ingénierie de réservoir consiste à remplacer ces simulations par une approximation mathématique, un méta-modèle. La méta-modélisation peut fortement réduire le nombre de simulations nécessaires à l'analyse de sensibilité, le calibrage du modèle, l'estimation de la production, puis son optimisation. Cette thèse porte sur l'étude de méta-modèles utilisant des simulations réalisées à différents niveaux de précision, par exemple pour des modèles de réservoir avec des maillages de résolutions différentes. L'objectif est d'accélérer la construction d'un méta-modèle prédictif en combinant des simulations coûteuses avec des simulations rapides mais moins précises. Ces méta-modèles multi-fidélité, basés sur le co-krigeage, sont comparés au krigeage pour l'approximation de sorties de la simulation d'écoulement. Une analyse en composantes principales peut être considérée afin de réduire le nombre de modèles de krigeage pour la méta-modélisation de réponses dynamiques et de cartes de propriétés. Cette méthode peut aussi être utilisée pour améliorer la méta-modélisation de la fonction objectif dans le cadre du calage d'historique. Des algorithmes de planification séquentielle d'expériences sont finalement proposés pour accélérer la méta-modélisation et tirer profit d'une approche multi-fidélité. Les différentes méthodes introduites sont testées sur deux cas synthétiques inspirés des benchmarks PUNQ-S3 et Brugge.

This thesis deals with the study of random methods for learning large-scale data. Firstly, we propose an unsupervised approach consisting in the estimation of the principal components, when the sample size and the observation dimension tend towards infinity. This approach is based on random matrices and uses consistent estimators of eigenvalues and eigenvectors of the covariance matrix. Then, in the case of supervised learning, we propose an approach which consists in reducing the dimension by an approximation of the original data matrix and then realizing LDA in the reduced space. Dimension reduction is based on low–rank approximation matrices by the use of random matrices. A fast approximation algorithm of the SVD and a modified version as fast approximation by spectral gap are developed. Experiments are done with real images and text data. Compared to other methods, the proposed approaches provide an error rate that is often optimal, with a small computation time. Finally, our contribution in transfer learning consists in the use of the subspace alignment and the low-rank approximation of matrices by random projections. The proposed method is applied to data derived from benchmark database; it has the advantage of being efficient and adapted to large-scale data, Cette thèse porte sur l’étude de méthodes aléatoires pour l’apprentissage de données en grande dimension. Nous proposons d'abord une approche non supervisée consistant en l'estimation des composantes principales, lorsque la taille de l'échantillon et la dimension de l'observation tendent vers l'infini. Cette approche est basée sur les matrices aléatoires et utilise des estimateurs consistants de valeurs propres et vecteurs propres de la matrice de covariance. Ensuite, dans le cadre de l’apprentissage supervisé, nous proposons une approche qui consiste à, d'abord réduire la dimension grâce à une approximation de la matrice de données originale, et ensuite réaliser une LDA dans l’espace réduit. La réduction de dimension est basée sur l’approximation de matrices de rang faible par l’utilisation de matrices aléatoires. Un algorithme d'approximation rapide de la SVD, puis une version modifiée permettant l’approximation rapide par saut spectral sont développés. Les approches sont appliquées à des données réelles images et textes. Elles permettent, par rapport à d’autres méthodes, d’obtenir un taux d’erreur assez souvent optimal, avec un temps de calcul réduit. Enfin, dans le cadre de l’apprentissage par transfert, notre contribution consiste en l’utilisation de l'alignement des sous-espaces caractéristiques et l’approximation de matrices de rang faible par projections aléatoires. La méthode proposée est appliquée à des données de référence ; elle présente l’avantage d’être performante et adaptée à des données de grande dimension

To best utilize the electrical resistivity data and slope intensity derived from a Digital Elevation Model, the kriging spatial components technique was applied to separate the nuggets and small- and large-scale structures for both resistivity and slope intensity data. The spatial structures in the resistivity and slope intensity data, which are poorly correlated with soil thickness (ST), are then filtered out prior to integrating the resistivity data and slope intensity into soil thickness estimation over a 12 ha area located in the south-western Parisian Basin (France). ST was measured at 650 locations over the study area by manual augering. Twenty percent of the observations (131 points) were randomly selected to constitute the validation dataset. The remaining 80% of the dataset (519 points) was used as the prediction dataset. The resistivity data represent a set of 7394 measurement points for each of the three investigated depths over the study area. The methodology involves successively (1) a principal component analysis (PCA) on the electrical measurements and (2) a geostatistical filtering of the small-scale component and noise in the first component (PC1) of the PCA. The results show that the correlation between ST and PC1 is greatly improved when the small-scale component and noise are filtered out, and similarly, the correlation between ST and slope intensity is greatly improved once the geostatistical filtering is carried out on the slope data. Thus, the large scales of both slope intensity and the electrical resistivity's PC1 were used as external drifts to predict ST over the entire study area. This prediction was compared with ordinary kriging and kriging either with a large scale of slope intensity or with a large scale of the electrical resistivity's PC1 taken as an external drift. The first prediction of ST by ordinary kriging, which was considered as our reference, was also compared to those achieved by kriging using the raw secondary variables: PC1 and slope intensity as external drifts; slope intensity as an external drift; and PC1 as an external drift. The results indicate a reasonably low bias of prediction for all of the methods, in particular in the case of kriging using the large scales of both slope intensity and PC1 as external drifts. The root mean square error shows that kriging accounting for the large scales of two secondary exhaustive variables is the most accurate prediction method. The relative improvement of the accuracy is at least equal to 29% between the approach accounting for both large scale components of secondary attributes in the spatial estimates of ST and the other approaches of estimates considered in this study.

Cet article met en évidence la défiance du grand public dans les indicateurs de la statistique publique et cherche à en déterminer ses ressorts. La 7e vague du baromètre de la confiance du CEVIPOF, enquête administrée par l’institut OpinionWay en décembre 2015 auprès de 2064 personnes, en situe le niveau par rapport à d’autres dimensions ou institutions. Cette enquête, en utilisant l’analyse des données et des modèles de régression logistique, établit le lien très fort entre défiance dans les chiffres de la statistique publique et défiance dans les institutions politiques. Les indicateurs comme le taux de chômage, de croissance, d’inflation, de la délinquance ou de l’immigration sont considérés, pour la population, comme liés au pouvoir politique, même si l’Insee a une très bonne image. Cette défiance touche surtout la classe moyenne inférieure et s’explique aussi par l’orientation politique et les choix électoraux. Elle influe sur l’idée que la population française se fait du fonctionnement de la démocratie.

Thanks to its precision in spatial and spectral domain, multispectral imaging has become an essential tool in dermatology. This thesis focuses on the interest of this technology for cosmetological parameters assessment through three different studies: the detection of a foundation make-up, age assessment and roughness measurement.A database of multispectral skin images is build using a multiple optical filters system. A preprocessing step allows to standardize those texture images before their exploitation.Covariance matrices of mutispectral acquisitions can be displayed in a multidimensional scaling space which is a novel way to represent multivariate data sets. Likewise, a new dimensionality reduction algorithm based on PCA is proposed in this thesis.A complete study of the images texture is performed: texture features from mathematical morphology and more generally from image analysis are expanded to the case of multivariate images. In this process, several spectral distances are tested, among which a new distance associating the LIP model to the Asplund metric.Statistical predictions are generated from texture data. Thoses predictions lead to a conclusion about the data processing efficiency and the relevance of multispectral imaging for the three cosmetologic studies.; Grâce aux informations spatiales et spectrales qu'elle apporte, l'imagerie multispectrale de la peau est devenue un outil incontournable de la dermatologie. Cette thèse a pour objectif d'évaluer l’intérêt de cet outil pour la cosmétologie à travers trois études : la détection d'un fond de teint, l'évaluation de l'âge et la mesure de la rugosité.Une base d'images multispectrales de peau est construite à l'aide d'un système à multiples filtres optiques. Une phase de prétraitement est nécessaire à la standardisation et à la mise en valeur de la texture des images.Les matrices de covariance des acquisitions peuvent être représentées dans un espace multidimensionnel, ce qui constitue une nouvelle approche de visualisation de données multivariées. De même, une nouvelle alternative de réduction de la dimensionnalité basée sur l'ACP est proposée dans cette thèse. L'analyse approfondie de la texture des images multispectrales est réalisée : les paramètres de texture issus de la morphologie mathématique et plus généralement de l'analyse d'images sont adaptés aux images multivariées. Dans cette adaptation, plusieurs distances spectrales sont expérimentées, dont une distance intégrant le modèle LIP et la métrique d'Asplünd.Les résultats des prédictions statistiques générées à partir des données de texture permettent de conclure quant à la pertinence du traitement des données et de l'utilisation de l'imagerie multispectrale pour les trois études considérées.

Thanks to its precision in spatial and spectral domain, multispectral imaging has become an essential tool in dermatology. This thesis focuses on the interest of this technology for cosmetological parameters assessment through three different studies: the detection of a foundation make-up, age assessment and roughness measurement.A database of multispectral skin images is build using a multiple optical filters system. A preprocessing step allows to standardize those texture images before their exploitation.Covariance matrices of mutispectral acquisitions can be displayed in a multidimensional scaling space which is a novel way to represent multivariate data sets. Likewise, a new dimensionality reduction algorithm based on PCA is proposed in this thesis.A complete study of the images texture is performed: texture features from mathematical morphology and more generally from image analysis are expanded to the case of multivariate images. In this process, several spectral distances are tested, among which a new distance associating the LIP model to the Asplund metric.Statistical predictions are generated from texture data. Thoses predictions lead to a conclusion about the data processing efficiency and the relevance of multispectral imaging for the three cosmetologic studies.; Grâce aux informations spatiales et spectrales qu'elle apporte, l'imagerie multispectrale de la peau est devenue un outil incontournable de la dermatologie. Cette thèse a pour objectif d'évaluer l’intérêt de cet outil pour la cosmétologie à travers trois études : la détection d'un fond de teint, l'évaluation de l'âge et la mesure de la rugosité.Une base d'images multispectrales de peau est construite à l'aide d'un système à multiples filtres optiques. Une phase de prétraitement est nécessaire à la standardisation et à la mise en valeur de la texture des images.Les matrices de covariance des acquisitions peuvent être représentées dans un espace multidimensionnel, ce qui constitue une nouvelle approche de visualisation de données multivariées. De même, une nouvelle alternative de réduction de la dimensionnalité basée sur l'ACP est proposée dans cette thèse. L'analyse approfondie de la texture des images multispectrales est réalisée : les paramètres de texture issus de la morphologie mathématique et plus généralement de l'analyse d'images sont adaptés aux images multivariées. Dans cette adaptation, plusieurs distances spectrales sont expérimentées, dont une distance intégrant le modèle LIP et la métrique d'Asplünd.Les résultats des prédictions statistiques générées à partir des données de texture permettent de conclure quant à la pertinence du traitement des données et de l'utilisation de l'imagerie multispectrale pour les trois études considérées.

This thesis focuses on multivariate spatial statistics and machine learning applied to hyperspectral and multimodal and images in remote sensing and scanning electron microscopy (SEM). In this thesis the following topics are considered:Fusion of images:SEM allows us to acquire images from a given sample using different modalities. The purpose of these studies is to analyze the interest of fusion of information to improve the multimodal SEM images acquisition. We have modeled and implemented various techniques of image fusion of information, based in particular on spatial regression theory. They have been assessed on various datasets.Spatial classification of multivariate image pixels:We have proposed a novel approach for pixel classification in multi/hyper-spectral images. The aim of this technique is to represent and efficiently describe the spatial/spectral features of multivariate images. These multi-scale deep descriptors aim at representing the content of the image while considering invariances related to the texture and to its geometric transformations.Spatial dimensionality reduction:We have developed a technique to extract a feature space using morphological principal component analysis. Indeed, in order to take into account the spatial and structural information we used mathematical morphology operators; Cette thèse porte sur la statistique spatiale multivariée et l’apprentissage appliqués aux images hyperspectrales et multimodales. Les thèmes suivants sont abordés :Fusion d'images :Le microscope électronique à balayage (MEB) permet d'acquérir des images à partir d'un échantillon donné en utilisant différentes modalités. Le but de ces études est d'analyser l’intérêt de la fusion de l'information pour améliorer les images acquises par MEB. Nous avons mis en œuvre différentes techniques de fusion de l'information des images, basées en particulier sur la théorie de la régression spatiale. Ces solutions ont été testées sur quelques jeux de données réelles et simulées.Classification spatiale des pixels d’images multivariées :Nous avons proposé une nouvelle approche pour la classification de pixels d’images multi/hyper-spectrales. Le but de cette technique est de représenter et de décrire de façon efficace les caractéristiques spatiales / spectrales de ces images. Ces descripteurs multi-échelle profond visent à représenter le contenu de l'image tout en tenant compte des invariances liées à la texture et à ses transformations géométriques.Réduction spatiale de dimensionnalité :Nous proposons une technique pour extraire l'espace des fonctions en utilisant l'analyse en composante morphologiques. Ainsi, pour ajouter de l'information spatiale et structurelle, nous avons utilisé les opérateurs de morphologie mathématique.

This thesis focuses on multivariate spatial statistics and machine learning applied to hyperspectral and multimodal and images in remote sensing and scanning electron microscopy (SEM). In this thesis the following topics are considered:Fusion of images:SEM allows us to acquire images from a given sample using different modalities. The purpose of these studies is to analyze the interest of fusion of information to improve the multimodal SEM images acquisition. We have modeled and implemented various techniques of image fusion of information, based in particular on spatial regression theory. They have been assessed on various datasets.Spatial classification of multivariate image pixels:We have proposed a novel approach for pixel classification in multi/hyper-spectral images. The aim of this technique is to represent and efficiently describe the spatial/spectral features of multivariate images. These multi-scale deep descriptors aim at representing the content of the image while considering invariances related to the texture and to its geometric transformations.Spatial dimensionality reduction:We have developed a technique to extract a feature space using morphological principal component analysis. Indeed, in order to take into account the spatial and structural information we used mathematical morphology operators; Cette thèse porte sur la statistique spatiale multivariée et l’apprentissage appliqués aux images hyperspectrales et multimodales. Les thèmes suivants sont abordés :Fusion d'images :Le microscope électronique à balayage (MEB) permet d'acquérir des images à partir d'un échantillon donné en utilisant différentes modalités. Le but de ces études est d'analyser l’intérêt de la fusion de l'information pour améliorer les images acquises par MEB. Nous avons mis en œuvre différentes techniques de fusion de l'information des images, basées en particulier sur la théorie de la régression spatiale. Ces solutions ont été testées sur quelques jeux de données réelles et simulées.Classification spatiale des pixels d’images multivariées :Nous avons proposé une nouvelle approche pour la classification de pixels d’images multi/hyper-spectrales. Le but de cette technique est de représenter et de décrire de façon efficace les caractéristiques spatiales / spectrales de ces images. Ces descripteurs multi-échelle profond visent à représenter le contenu de l'image tout en tenant compte des invariances liées à la texture et à ses transformations géométriques.Réduction spatiale de dimensionnalité :Nous proposons une technique pour extraire l'espace des fonctions en utilisant l'analyse en composante morphologiques. Ainsi, pour ajouter de l'information spatiale et structurelle, nous avons utilisé les opérateurs de morphologie mathématique.

Digital human models have become instrumental tools in the analysis of posture and motion in many areas of biomechanics, including ergonomics and clinical settings. These models include a geometric representation of the body surface and an internal linkage composed of rigid segments and joints allowing simulation of human movement. The customization of human models first starts with the adjustment of external anthropometric dimensions, which are then used as input data to the adjustment of internal skeletal segments lengths. While the external data points are more readily measurable using current 3D scanning tools, the scientific challenge is to predict the characteristic points of the internal skeleton from external data only. The Institut de Biomécanique Humaine Georges Charpak (Arts et Métiers ParisTech) has developed 3D reconstruction methods of bone and external envelope from biplanar radiographs obtained from the EOS system (EOS Imaging, Paris), a low radiation dose technology. Using this technology, this work allowed proposing new external-internal statistical relationships to predict points of the longitudinal skeleton, particularly the complete set of spine joint centers, from a database of 80 subjects. The implementation of this work could improve the realism of current digital human models used for biomechanical analysis requiring information of joint center location, such as the estimation of range of motion and joint loading, Les modèles humains numériques sont devenus des outils indispensables à l’étude de la posture est du mouvement dans de nombreux domaines de la biomécanique visant des applications en ergonomie ou pour la clinique. Ces modèles intègrent une représentation géométrique de la surface du corps et un squelette filaire interne composé de segments rigides et d’articulations assurant leur mise en mouvement. La personnalisation des mannequins s'effectue d’abord sur les dimensions anthropométriques externes, servant ensuite de données d’entrée à l’ajustement des longueurs des segments du squelette en interne. Si les données externes sont de plus en plus facilement mesurables à l’aide des outils de scanning 3D actuels, l’enjeu scientifique est de pouvoir prédire des points caractéristiques du squelette en interne à partir de données uniquement externes. L’Institut de Biomécanique Humaine Georges Charpak (Arts et Métiers ParisTech) a développé des méthodes de reconstruction des os et de l’enveloppe externe à partir de radiographies biplanes obtenues avec le système basse dose EOS. En s’appuyant sur cette technologie, ces travaux ont permis de proposer de nouvelles relations statistiques externes-internes pour prédire des points du squelette longitudinal, en particulier l’ensemble des centres articulaires du rachis, à partir d’une base de données de 80 sujets. L'application de ce travail pourrait permettre d’améliorer le réalisme des modèles numériques actuels en vue de mener des analyses biomécaniques, principalement en ergonomie, nécessitant des informations dépendant de la position des articulations comme les mesures d’amplitude de mouvement et de charges articulaires

Les pays émergents et leurs leaders, les BRICS, peuvent aujourd’hui être revisités à la lumière d’une approche institutionnaliste plus propice à la prise en compte de leur diversité. En se concentrant sur la configuration de leur rapport salarial, ce papier propose de questionner la catégorie formée par ces pays en étudiant la variété des régimes de qualité de l’emploi qu’ils présentent. Deux résultats intéressants ressortent de cette étude proposant une Analyse en Composantes Principales (ACP) suivie d’une Classification Mixte (CM) à partir de deux grandes dimensions institutionnelles décomposées en quatorze indicateurs. (1) Les pays émergents se dispersent pour établir quatre régimes de qualité de l’emploi spécifiques, illustrant ainsi leur hétérogénéité et la fragilité de leur catégorie. (2) L’éclatement des BRICS, loin de composer un régime cohérent et indépendant, peut être expliqué par une combinaison de facteurs socio-économiques et institutionnels propre à chacun de ces leaders de l’émergence. Emerging countries and their leaders, the BRICS, can be revisited with an institutionalist approach enabling a better recognition of their diversity. Focusing on the composition of their labour nexus, this paper offers to question the category formed by these countries by studying their variety of quality of employment regimes. Two interesting results came out from this study using a Principal Components Analysis (PCA) and a Mixed Clustering (MC) break two institutional dimensions into fourteen indicators. (1) Four specific quality of employment regimes appear, illustrating their heterogeneity and the weakness of this category. (2) The BRICS appear notably scattered over some socio-economic aspects of each leader. Far from composing a coherent and independent regime, BRICS countries dispersion can be explained by a specific combination of socio-economic and institutional factors to each one of them.

A partir des données issues d’une campagne d’imagerie haute résolution aéroportée par drone réalisée au cours de l’été 2015 sur un verger d’essai de comportement de variétés de pommiers, ce mémoire a pour objet d’étudier l’apport de l’imagerie multispectrale dans l’étude de l’évolution de la réflectance de ce couvert végétal en réponse à l’imposition d’un stress hydrique pendant une durée de 1 mois. L’évolution des conditions de l’humidité du sol, et du statut hydrique des arbres (suivi par potentiel de base et potentiel de tige) a démontré la réalité de la situation de stress pour deux des cinq variétés mises en essai : notamment Story® Inoredcov. Le document rapporte en détail la procédure de vol pour l’acquisition des images, à 40m au-dessus du sol, ainsi que les méthodes de pré- et de post-traitement de ces images. A partir de celles-ci, diverses variables spectrales ont été extraites, et des indices de télédétection ont été calculés : NDVI, GNDVI, et PRI. Une acquisition en mode vidéo a permis parallèlement à l’imagerie multispectrale d’acquérir des images dans l’infrarouge thermique sur l’ensemble de la parcelle d’essai. Le traitement des données a révélé l’intérêt de combiner les bandes du rouge (676nm) et du proche infrarouge (850nm) pour le calcul du NDVI, qui s’avère négativement impacté par le stress hydrique, et il a confirmé que l’image thermique de la parcelle traduisait aussi l’état de stress de certains arbres, avec une élévation de la température de 1,1°C en moyenne pour les arbres privés d’eau. Une analyse en composantes principales construite sur la base des trois indices de végétation et de la variable Ts-Ta (température de surface moins température de l’air) a permis de montrer une relative indépendance des variables, et de les différencier les individus génétiquement et par rapport à la contrainte hydrique subie. L’expérimentation démontre ainsi le potentiel de l’imagerie multispectrale et thermique pour contribuer aux efforts de phénotypage non invasif sur couvert d’arbres fruitiers., Using data from an airborne high resolution imaging drone campaign conducted during the summer 2015 on as apple variety behavior experiment, this memory aims to highlight the contribution of multispectral imagery in the study of changes in the reflectance of the vegetation cover in response to the imposition of water stress during a period of 1 month. Changing conditions of soil moisture and water status of trees (followed by predawn water potential and stem potential) demonstrated the reality of the situation of stress for two of the five varieties studied, including Story® Inoredcov. The document relates in detail the flight procedure for image acquisition, at 40m above the ground, as well as methods of pre- and post-processing of these images. From these, various spectral variables were extracted, and remote sensing indices were calculated: NDVI, GNDVI, and PRI. An acquisition in the thermal infrared (video mode) enabled in parallel with the multispectral imaging the acquisition of images on the entire test plot. The data processing showed the interest of combining the bands of red (676nm) and near infrared (850nm) to calculate the NDVI, which turned out negatively impacted by water stress, and confirmed that the plot thermal image also reflected the state of stress of some trees, with a temperature rise of 1.1° C on average for water stressed trees. A principal component analysis built on the basis of the three vegetation indices and variable Ts-Ta (surface temperature less air temperature) showed the relative independence of variables, and differentiated individuals genetically and relative to the water regime. The experiment thus demonstrated the potential of multispectral and thermal imaging to contribute to the efforts of non-invasive phenotyping of fruit trees cover.

To produce instant agglomerated milk powder, industrial producers receives milk powders from several different suppliers. However, despite the implementation of a strict requirement specification to reach a constant quality of final product, differences can be observed depending on the origin of raw material and the processing parameters. In this work, the quality control result from 8 different skim milk powder sources used over one year of production (275 batches) were collected to observe data on composition (proteins and fat content), humidity (water content and activity), density criteria (aerial and bulk), pH and ageing. These data were statistically analyzed using a principal component analysis (PCA). Almost 65% of the total variability was represented by the projection of the experimental set up on the map defined by the first two principle components (PC) of the PCA. A hierarchical cluster analysis performed on the PCA data made it possible to distinguish 3 different classes of raw material depending on their physicochemical characteristics: – Class one corresponding to the major part of the raw materials. – Class two corresponding to one specific differentiated from the others by higher density characteristics and less proteins. – Class three corresponding to one other highly differentiated from the others on all criteria (humidity, composition, density, ageing). Thus, statistical analysis of the production data made it possible to obtain a global characterization of the different skim milk powders, and to distinguish two of them although close to the others when considering their characteristics one by one.

Independent Components Analysis (ICA) is a blind source separation method that has been developed to extract the underlying source signals from a set of observed signals where they are mixed in unknown proportions. This is made possible by making the assumption that the “pure” sources are by definition totally unrelated (“independent”) with non-gaussian intensity distributions, whereas their mixtures have more gaussian distributions due to the Central Limit Theorem. ICA can thus be used not just to analyse 2D datasets (e.g. IR spectra) but also multiway datasets (e.g. 3D Excitation-Emission fluorescence spectra) after unfolding. Like other methods based on latent variables, a careful investigation has to be carried out to determine which components are significant and which are not. Therefore, it is important to dispose of valid procedures to decide on the optimal number of independent components (ICs) to extract in the final ICA model. The objective of this presentation is to introduce ICA through the study of several real cases, and to show how it performs compared to other more classical multivariate methods such as Principal Components Analysis (PCA). In this way, the relative advantages and disadvantages of ICA will be pointed highlighted.

Cet article met en évidence la défiance du grand public dans les indicateurs de la statistique publique et cherche à en déterminer ses ressorts. La 7e vague du baromètre de la confiance du CEVIPOF, enquête administrée par l’institut OpinionWay en décembre 2015 auprès de 2064 personnes, en situe le niveau par rapport à d’autres dimensions ou institutions. Cette enquête, en utilisant l’analyse des données et des modèles de régression logistique, établit le lien très fort entre défiance dans les chiffres de la statistique publique et défiance dans les institutions politiques. Les indicateurs comme le taux de chômage, de croissance, d’inflation, de la délinquance ou de l’immigration sont considérés, pour la population, comme liés au pouvoir politique, même si l’Insee a une très bonne image. Cette défiance touche surtout la classe moyenne inférieure et s’explique aussi par l’orientation politique et les choix électoraux. Elle influe sur l’idée que la population française se fait du fonctionnement de la démocratie.

International audience; Avec ce manuel, le lecteur dispose d’un équipement complet (bases théoriques, exemples, logiciels) pour analyser des données multidimensionnelles. Son contenu correspond à l’enseignement d’analyse de données proposé à Agrocampus. Il a été conçu pour des étudiants qui ne se destinent pas aux métiers de la statistique mais qui auront à traiter des données dans leurs emplois. Cette édition prend en compte l’actualisation du logiciel R.

This manuscript presents the design and setup of an all-weather spectral irradiance measurement system on 4 planes. The 4 spectrometers measure a total of 900 spectra/min to produce every minute, a mean spectral irradiance and its standard deviation. Between 2014 and 2015, this system recorded 700,000 spectra, for wavelengths ranging between 400 and 1,000 nm with a step ≤1 nm. A sample of 145,000 spectra representative of the Lyon climate was selected for statistical analysis. For this purpose, the sample was reduced in size by partitioning it in 1,175 spectra. Its spectral domain was extended to 280-1,500 nm by extrapolating the spectra with curve fitting using the SMARTS2 RTM. A PCA of the extrapolated sample reduced its description to only 3 components; hence, allowing a revision of the CIE’s illuminant D series. Finally, the relation between spectral power distribution and environmental or colorimetric parameters opens a way towards statistical models for generating solar spectra., Ce document présente la mise en place d’un système de mesure des éclairements énergétiques spectraux solaires pour tout type de temps, sur 4 plans. Les 4 spectromètres mesurent au total 900 spectres/min et produisent chacun un spectre/min moyen et son écart type. Entre 2014 et 2015, 700 000 spectres ont été enregistrés sur un domaine compris entre 400 et 1000 nm avec un pas ≤1 nm. Un échantillon de 145 000 spectres représentatifs du climat lyonnais a été sélectionné pour une analyse statistique. Pour ce faire, l’échantillon a été réduit par partitionnement à 1175 spectres. Son domaine spectral a été étendu de 280 à 1500 nm à l’aide du RTM SMARTS. Une ACP de cet échantillon extrapolé a permis d’en réduire la description à 3 composantes et ainsi de réviser le modèle des illuminants D de la CIE. Enfin, la relation entre composition spectrale et paramètres environnementaux ou colorimétriques ouvre une voie vers des modèles statistiques de génération de spectres du rayonnement solaire.

A Classification problem makes use of a training set consisting of data labeled by an oracle. The larger the training set, the best the performance. However, requesting the oracle may be costly. The goal of Active Learning is thus to minimize the number of requests to the oracle while achieving the best performance. To do so, the data that are presented to the oracle must be carefully selected among a large number of unlabeled instances acquired at no cost. However, the true profitability of labeling a particular instance may not be known perfectly. It can therefore be estimated along with a measure of uncertainty. To Increase the precision on the estimate, we need to label more data. Thus, there is a dilemma between labeling data in order to increase the performance of the classifier or to better know how to select data. This dilemma is well studied in the context of finite budget optimization under the name of exploration versus exploitation dilemma. The most famous solutions make use of the principle of Optimism in the Face of Uncertainty. In this thesis, we show that it is possible to adapt this principle to the active learning problem for classification. Several algorithms have been developed for classifiers of increasing complexity, each one of them using the principle of Optimism in the Face of Uncertainty, and their performances have been empirically evaluated, La classification se base sur un jeu de données étiquetées par un expert. Plus le jeu de données est grand, meilleure est la performance de classification. Pourtant, la requête à un expert peut parfois être coûteuse. Le but de l'apprentissage actif est alors de minimiser le nombre de requêtes à l'expert. La collection des données non-étiquetées reste aisée cependant et illimitée, il est donc nécessaire de faire un choix sur les données à annoter, l'idée est alors de profiter de ce choix pour maximiser les performances en ne lui fournissant que les données les plus informatives à étiqueter. Pourtant, le niveau d'informativité de chaque donnée ne peut pas être calculé exactement et ne peut être estimé qu'à une incertitude près. Améliorer la précision de l'estimation nécessite d'annoter de nouvelles données. Il y a donc un dilemme entre utiliser le budget d'annotations disponible pour améliorer la performance du classifieur selon l'estimation actuelle du critère ou pour améliorer la précision sur le critère. Ce dilemme est bien connu dans le cadre de l'optimisation en budget fini sous le nom de dilemme entre exploration et exploitation. Les solutions usuelles pour résoudre ce dilemme dans ce contexte font usage du principe d'Optimisme Face à l'Incertitude. Dans cette thèse, nous montrons donc qu'il est possible d'adapter ce principe au problème d'apprentissage actif pour la classification. Pour cela, plusieurs algorithmes ont été être développés pour des classifieurs de complexité croissante, chacun utilisant le principe de l'Optimisme Face à l'Incertitude, et leurs résultats ont été évalués empiriquement

A Classification problem makes use of a training set consisting of data labeled by an oracle. The larger the training set, the best the performance. However, requesting the oracle may be costly. The goal of Active Learning is thus to minimize the number of requests to the oracle while achieving the best performance. To do so, the data that are presented to the oracle must be carefully selected among a large number of unlabeled instances acquired at no cost. However, the true profitability of labeling a particular instance may not be known perfectly. It can therefore be estimated along with a measure of uncertainty. To Increase the precision on the estimate, we need to label more data. Thus, there is a dilemma between labeling data in order to increase the performance of the classifier or to better know how to select data. This dilemma is well studied in the context of finite budget optimization under the name of exploration versus exploitation dilemma. The most famous solutions make use of the principle of Optimism in the Face of Uncertainty. In this thesis, we show that it is possible to adapt this principle to the active learning problem for classification. Several algorithms have been developed for classifiers of increasing complexity, each one of them using the principle of Optimism in the Face of Uncertainty, and their performances have been empirically evaluated, La classification se base sur un jeu de données étiquetées par un expert. Plus le jeu de données est grand, meilleure est la performance de classification. Pourtant, la requête à un expert peut parfois être coûteuse. Le but de l'apprentissage actif est alors de minimiser le nombre de requêtes à l'expert. La collection des données non-étiquetées reste aisée cependant et illimitée, il est donc nécessaire de faire un choix sur les données à annoter, l'idée est alors de profiter de ce choix pour maximiser les performances en ne lui fournissant que les données les plus informatives à étiqueter. Pourtant, le niveau d'informativité de chaque donnée ne peut pas être calculé exactement et ne peut être estimé qu'à une incertitude près. Améliorer la précision de l'estimation nécessite d'annoter de nouvelles données. Il y a donc un dilemme entre utiliser le budget d'annotations disponible pour améliorer la performance du classifieur selon l'estimation actuelle du critère ou pour améliorer la précision sur le critère. Ce dilemme est bien connu dans le cadre de l'optimisation en budget fini sous le nom de dilemme entre exploration et exploitation. Les solutions usuelles pour résoudre ce dilemme dans ce contexte font usage du principe d'Optimisme Face à l'Incertitude. Dans cette thèse, nous montrons donc qu'il est possible d'adapter ce principe au problème d'apprentissage actif pour la classification. Pour cela, plusieurs algorithmes ont été être développés pour des classifieurs de complexité croissante, chacun utilisant le principe de l'Optimisme Face à l'Incertitude, et leurs résultats ont été évalués empiriquement

The wastewater treated by the PWTS Sanaa (Yemen), are discharged into Wadi Bani Houat to be used for irrigation of agricultural fields (cereals and "qat"). The quality of water discharged by the station is affected by neo-contamination part of untreated water diverted through bypass and also untreated effluent intake of a river that flows into the canal about 15 Km from the station. The various measurements show that the levels of contaminants studied, decrease at the exit of the station but undergo severe degradation after canal-branch river. Similarly, we noted illegal contributions at this place made of waste thrown into the canal by the surrounding population. The salinity is classified C4S2, C3S3, C4S3 and C4S4 in RICHARDS diagram, leading to poor quality water for irrigation. The ratio COD / BOD5 reaching a value of 2 after treatment and self purification of water, up to a value of 4, at a distance of 12 km along the canal before dropping to a value below 2 at the areas of retention dams located north of the study area, showing a self-purification capacity. NO2- (nitrite ions) appear downstream canal in the dams, highlighting the impact of agricultural activity on water quality. Minors cations and traces show different concentrations varying spatially and temporally along the canal during the dry and wet seasons. Overruns by FAO and Yemen standards were observed for some components such as phenol, organic micropolluant showing levels higher than standard along the canal in all seasons. The principal component analysis showed the correlation between the measured quantities and the vulnerability of sampling sites to different pollutants., Moroccan Journal of Chemistry, Vol 4, No 3 (2016)

Nowadays, the micro and nanotechnology field integrates a wide range of materials that can be defined as “fragile” because of their shape, dimension or density. In this work, three materials of this kind, at different level of technological and industrial maturity are studied by time of flight secondary ion mass spectrometry (ToF-SIMS). These materials are: mesoporous silicon, thin polymethacrylate films deposited by initiated Chemical Vapour Deposition (i-CVD)and hybrid organosilicate (SiOCH) dielectric materials (low-k). The objective is to verify and validate the ToF-SIMS as a reliable characterisation technique for describing the chemical properties of these materials. Indeed, because of this intrinsic ‘fragility’ the consistency of the chemical information is connected to an appropriate interpretation of the specific ion/matter interactions taking place.For mesoporous silicon, a systematic analysis is carried out considering various sputtering ion sources (Caesium, Xenon and Oxygen); both sputtering and ionisation behaviours are examined relatively to the nonporous silicon, taking into account energy of the sputtering beam and porosity rate of the target material.Concerning nanometric thick polymer films, low damaging analysis conditions are applied by the use of argon cluster primary ion sources in order to obtain a significant molecular secondary ion information. In these conditions, a discrimination of quasi-identical nanometre thick structures is made possible and a quantification method for copolymers is then proposed. In addition, with the supplement of data principal component analysis (PCA) an innovative and significant correlation is obtained between main Principal Component and sample molecular weights.Finally, the effect of several industrial integration processes (such as etching or wet cleaning) applied on low-k materials are studied in order to understand their detrimental impact on low-k insulating properties. To achieve a depth-resolved chemical information, low energy caesium sputterings are shown to be the most adapted and sensitive strategy. In addition, PCA is shown to be almost essential to amplify differences between samples significantly. This approach allowed combining the variation of physical properties (dielectric constant) with the chemical ones., Aujourd’hui, une grande variété de matériaux dit « fragiles » sont intégrés dans des dispositifs micro ou nanotechnologiques. Ces matériaux sont définissables comme « fragiles » en raison de leur forme, de leur dimension ou encore de leur densité. Dans ce travail, trois catégories de matériaux, de différents niveaux de maturités industrielle et technologique, ont été étudiés par spectrométrie de masse des ions secondaires à temps du vol (ToF-SIMS). Ces matériaux sont: du silicium méso-poreux, des polyméthacrylates déposés en couches très minces par voie chimique en phase vapeur initiée (iCVD) et des matériaux organosilicates (SiOCH) à basse constante diélectrique (low-k). L’objectif de ce travail est de vérifier et de valider la méthode ToF-SIMS comme une technique fiable pour répondre aux besoins de caractérisation chimique rencontrés pas ces matériaux Il s’agit également d’établir la cohérence de l’information chimique produite par l’interprétation de l’interaction ion/matière se déroulant lors de l’analyse. Pour le silicium méso-poreux, les échantillons ont été pulvérisés par différentes sources primaires d’ions (Césium, Xénon, Oxygène) et l’information secondaire générée comme, par exemple, les différences d’ionisation entre la couche poreuse et le matériau dense ont été analysées, notamment vis de l’énergie du faisceau de pulvérisation mais aussi du taux de porosité du matériau cible. Des modifications morphologiques significativement différentes selon la source d’ions ont également été observées et ont été corrélées à différents types de régime de pulvérisation, principalement induits par le taux de porosité de la cible.Concernant la caractérisation de polymères en couches minces, des conditions d’abrasion très peu agressives, notamment l’usage d’ions d’argon en cluster polyatomiques, ont été appliquées avec l’intention d’obtenir une information chimique secondaire riche en hautes masses moléculaires. La discrimination de films de polyméthacrylate avec une structure chimique quasi-identique a pu être obtenue et un protocole de quantification de copolymères proposé. De plus, par l’utilisation de la méthode d’analyse de données en composantes principales (PCA) appliquée aux spectres,une corrélation claire a été établie entre les composantes principales et la masse moléculaire des films de polymères.Enfin l’impact de traitements d’intégration tels que de la gravure ou du nettoyage chimique, nécessaires à la mise en œuvre industrielle des matériaux low-k, mais défavorables à leurs propriétés diélectriques, a été étudié. Pour obtenir une information chimique résolue en profondeur, l’abrasion par césium à basse énergie a été identifiée comme la stratégie la plus sensible et la plus adaptée. De même, la PCA a permis d’amplifier significativement les différences chimiques entre échantillons, permettant de rapprocher les variations de constante diélectrique aux compositions chimiques

This thesis investigates two major problems that are challenging the wireless sensor networks (WSN): the measurements accuracy in the regions with a low density of sensors and the growing volume of data collected by the sensors. The first contribution of this thesis is to enhance the collected measurements accuracy, and hence to strengthen the monitored space coverage by the WSN, by means of the sensors mobility strategy. To this end, we address the estimation problem in a WSN by kernel-based machine learning methods, in order to model some physical phenomenon, such as a gas diffusion. We propose several optimization schemes to increase the relevance of the model. We take advantage of the sensors mobility to introduce several mobility scenarios. Those scenarios define the training set of the model and the sensor that is selected to perform mobility based on several mobility criteria. The second contribution of this thesis addresses the dimensionality reduction of the set of collected data by the WSN. This dimensionality reduction is based on the principal component analysis techniques. For this purpose, we propose several strategies adapted to the restrictions in WSN. We also study two well-known problems in wireless networks: the non-synchronization problem between nodes of the network, and the noise in measures and communication. We propose appropriate solutions with Gossip-like algorithms and smoothing mechanisms. All the techniques developed in this thesis are validated in a WSN dedicated to the monitoring of a physical species leakage such as the diffusion of a gas; Cette thèse apporte des solutions clés à deux problèmes omniprésents dans les réseaux de capteurs sans fil, à savoir la précision des mesures acquises dans les régions à faible couverture et la dimensionnalité sans cesse grandissante des données collectées. La première contribution de cette thèse est l’amélioration de la couverture de l'espace à surveiller par le biais de la mobilité des capteurs. Nous avons recours aux méthodes à noyaux en apprentissage statistique pour modéliser un phénomène physique tel que la diffusion d’un gaz. Nous décrivons plusieurs schémas d'optimisation pour améliorer les performances du modèle résultant. Nous proposons plusieurs scénarios de mobilité des capteurs. Ces scénarios définissent d'une part l'ensemble d'apprentissage du modèle et d'autre part le capteur mobile. La seconde contribution de cette thèse se situe dans le contexte de la réduction de la dimensionnalité des données collectées par les capteurs. En se basant sur l'analyse en composantes principales, nous proposons à cet effet des stratégies adaptées au fonctionnement des réseaux de capteurs sans fil. Nous étudions également des problèmes intrinsèques aux réseaux sans fil, dont la désynchronisation entre les nœuds et la présence de bruits de mesures et d’erreurs de communication. Des solutions adéquates avec l'approche Gossip et les mécanismes de lissage sont proposées. L'ensemble des techniques développées dans le cadre de cette thèse est validé sur un réseau de capteurs sans fil qui estime le champ de diffusion d’un gaz

This thesis investigates two major problems that are challenging the wireless sensor networks (WSN): the measurements accuracy in the regions with a low density of sensors and the growing volume of data collected by the sensors. The first contribution of this thesis is to enhance the collected measurements accuracy, and hence to strengthen the monitored space coverage by the WSN, by means of the sensors mobility strategy. To this end, we address the estimation problem in a WSN by kernel-based machine learning methods, in order to model some physical phenomenon, such as a gas diffusion. We propose several optimization schemes to increase the relevance of the model. We take advantage of the sensors mobility to introduce several mobility scenarios. Those scenarios define the training set of the model and the sensor that is selected to perform mobility based on several mobility criteria. The second contribution of this thesis addresses the dimensionality reduction of the set of collected data by the WSN. This dimensionality reduction is based on the principal component analysis techniques. For this purpose, we propose several strategies adapted to the restrictions in WSN. We also study two well-known problems in wireless networks: the non-synchronization problem between nodes of the network, and the noise in measures and communication. We propose appropriate solutions with Gossip-like algorithms and smoothing mechanisms. All the techniques developed in this thesis are validated in a WSN dedicated to the monitoring of a physical species leakage such as the diffusion of a gas; Cette thèse apporte des solutions clés à deux problèmes omniprésents dans les réseaux de capteurs sans fil, à savoir la précision des mesures acquises dans les régions à faible couverture et la dimensionnalité sans cesse grandissante des données collectées. La première contribution de cette thèse est l’amélioration de la couverture de l'espace à surveiller par le biais de la mobilité des capteurs. Nous avons recours aux méthodes à noyaux en apprentissage statistique pour modéliser un phénomène physique tel que la diffusion d’un gaz. Nous décrivons plusieurs schémas d'optimisation pour améliorer les performances du modèle résultant. Nous proposons plusieurs scénarios de mobilité des capteurs. Ces scénarios définissent d'une part l'ensemble d'apprentissage du modèle et d'autre part le capteur mobile. La seconde contribution de cette thèse se situe dans le contexte de la réduction de la dimensionnalité des données collectées par les capteurs. En se basant sur l'analyse en composantes principales, nous proposons à cet effet des stratégies adaptées au fonctionnement des réseaux de capteurs sans fil. Nous étudions également des problèmes intrinsèques aux réseaux sans fil, dont la désynchronisation entre les nœuds et la présence de bruits de mesures et d’erreurs de communication. Des solutions adéquates avec l'approche Gossip et les mécanismes de lissage sont proposées. L'ensemble des techniques développées dans le cadre de cette thèse est validé sur un réseau de capteurs sans fil qui estime le champ de diffusion d’un gaz

This thesis proposes new multiple imputation methods that are based on principal component methods, which were initially used for exploratory analysis and visualisation of continuous, categorical and mixed multidimensional data. The study of principal component methods for imputation, never previously attempted, offers the possibility to deal with many types and sizes of data. This is because the number of estimated parameters is limited due to dimensionality reduction.First, we describe a single imputation method based on factor analysis of mixed data. We study its properties and focus on its ability to handle complex relationships between variables, as well as infrequent categories. Its high prediction quality is highlighted with respect to the state-of-the-art single imputation method based on random forests.Next, a multiple imputation method for continuous data using principal component analysis (PCA) is presented. This is based on a Bayesian treatment of the PCA model. Unlike standard methods based on Gaussian models, it can still be used when the number of variables is larger than the number of individuals and when correlations between variables are strong.Finally, a multiple imputation method for categorical data using multiple correspondence analysis (MCA) is proposed. The variability of prediction of missing values is introduced via a non-parametric bootstrap approach. This helps to tackle the combinatorial issues which arise from the large number of categories and variables. We show that multiple imputation using MCA outperforms the best current methods.; Cette thèse est centrée sur le développement de nouvelles méthodes d'imputation multiples, basées sur des techniques d'analyse factorielle. L'étude des méthodes factorielles, ici en tant que méthodes d'imputation, offre de grandes perspectives en termes de diversité du type de données imputées d'une part, et en termes de dimensions de jeux de données imputés d'autre part. Leur propriété de réduction de la dimension limite en effet le nombre de paramètres estimés.Dans un premier temps, une méthode d'imputation simple par analyse factorielle de données mixtes est détaillée. Ses propriétés sont étudiées, en particulier sa capacité à gérer la diversité des liaisons mises en jeu et à prendre en compte les modalités rares. Sa qualité de prédiction est éprouvée en la comparant à l'imputation par forêts aléatoires.Ensuite, une méthode d'imputation multiple pour des données quantitatives basée sur une approche Bayésienne du modèle d'analyse en composantes principales est proposée. Elle permet d'inférer en présence de données manquantes y compris quand le nombre d'individus est petit devant le nombre de variables, ou quand les corrélations entre variables sont fortes.Enfin, une méthode d'imputation multiple pour des données qualitatives par analyse des correspondances multiples (ACM) est proposée. La variabilité de prédiction des données manquantes est reflétée via un bootstrap non-paramétrique. L'imputation multiple par ACM offre une réponse au problème de l'explosion combinatoire limitant les méthodes concurrentes dès lors que le nombre de variables ou de modalités est élev

Numerous biological processes with potentially complex interactions exist. Measurements ofthese processes allow to produce multiple biomarkers. Thus, there is a need for epidemiologyto evolve within the context of complex and multidimensional data. Immune system diseasesand associated immune disorders are an example of a field where clinical and epidemiologicalissues are increasingly complex, requiring appropriate statistical and epidemiologicalmethods. In this thesis, methods taking into account methodological difficulties generated byimmunology data are presented through three motivating examples. The general paradigm ofour approach is to take into account all measurements on a given pathology using integrativemethods. We propose principal component analysis and hierarchical clustering to summarizemultidimensional cytometry data and structural equation modelling for dealing with complexrelationships between variables in multifactorial processes. Then, through the example of anasymptotic model of immune reconstitution using an exponential function, we illustrate theimportance about the data’s structure and the biological mechanisms underlying its variabilitywhen building a mathematical model. The methods and the thinking advocated in this thesisare transposable to other research domains with complex data.; Les processus biologiques sont nombreux et leurs interactions complexes. Les mesures de cesphénomènes génèrent des biomarqueurs multiples. Ainsi, l’épidémiologie doit évoluer dans cecontexte de données complexes et de nature multidimensionnelle. Les maladies du systèmeimmunitaire et les troubles immunologiques qui leur sont associés constituent un bon exemplede pathologies où les questions clinico-épidémiologiques sont de plus en plus complexes,nécessitant des méthodes biostatistiques et épidémiologiques adaptées. Dans cette thèsed’Université, des méthodes permettant de prendre en compte les difficultés méthodologiquesgénérées par les données d’immunologie sont présentées autour de trois applicationscliniques. Notre approche consiste en l’utilisation de méthodes intégratives qui prennent encompte l’ensemble des mesures concernant une pathologie donnée. Nous montrons l’intérêtde l’analyse en composantes principales et de la classification hiérarchique ascendante pourrésumer et extraire l’information de données multiples de cytométrie en flux et celui desmodèles d’équations structurelles pour l’étude de relations complexes entre variables lors deprocessus multifactoriels. Enfin, via l’exemple d’un modèle de reconstitution immunitaireasymptotique utilisant une fonction exponentielle, nous illustrons l’importance de s’appuyersur la structure même des données et sur la compréhension des mécanismes biologiques quisous-tendent la variabilité de ces données dans la réflexion qui concourt au choix d’un modèlestatistique. Les méthodes et la réflexion proposées dans cette thèse sont transposables àd’autres domaines d’application avec des données multiples complexes.

Body condition is an important trait in dairy cow management, mainly because it reflects the level and the use of body reserves and indirectly reproductive and health performance. Body condition score (BCS), which is done visually or by palpation, is the usual method on farm but is subjective and not very sensitive. The aim was here to develop and to validate 3DBCS which estimates BCS from 3D-shapes of dairy cows rear, the body area commonly used to assess BCS. For the calibration, a set of 57 3D-shapes from 56 Holstein cows with large BCS variability (0.5 to 4.75 on a 0–5 scale) were transformed with a principal component analysis (PCA). A multiple linear regression was fitted on the principal components to assess BCS. Four anatomical landmarks were extracted to normalize the 3D-shapes: the validation results of a manual labeling proved the concept. Then an automated labeling method was developed to extract them. Prior to the PCA, the 3D-shapes were either regularized to fill in the holes or not regularized. External validation was evaluated on 2 sets: one with cows used for calibration, but with a different lactation stage (valididem) and one with cows not used for calibration (validdiff). Repeatability was estimated with 6 cows scanned 8 times each the same day. The automated method performed slightly better than manual method for external validation (RMSE = 0.27 versus 0.34 for validdiff) and both were more repeatable than usual BCS (σ = 0.20 for 3DBCS and 0.28 for BCS). Surprisingly, regularizing the 3D-shapes performed slightly less than without regularization. Nevertheless regularization should be an interesting process before BCS assessing, especially to avoid discarding too many 3D-shapes. The first results of 3D-BCS monitoring in dairy cows with a fully automated method show promising results in terms of phenotyping. The next step will try to reduce scanning time to decrease the number of bad 3D-shapes due to cow’s movement without losing too much resolution.

Cavities are the prime location of the interactions between a protein and its ligands, and thus are crucial for its functions, together with its dynamics. Although cavities have been studied since the seventies, specific studies on their dynamical behavior only appeared recently. Few methods can tackle this aspect, despite its interest for virtual screening and drug design. Protein cavities define an extremely labile ensemble. Following one cavity along a trajectory is therefore an arduous task, because it can be subjected to several events of fusions, divisions, apparitions and disappearances. I propose a method to resolve this question, thus enabling systematic and rational dynamical exploitation of protein cavities. This method classify cavities using the atom groups around them, using algorithms and parameters that I identified as giving best results for cavity tracking. To characterize the main directions of evolution of cavity geometry, and to relate them with the dynamics of the underlying structure, I developed a method based on Principal Component Analysis (PCA). This method can be used to select or build conformations with given cavity shapes. Two examples of applications have been treated: the selection of conformations with diverse cavity geometries, and the analysis of the myoglobin cavity network evolution during the diffusion of carbon monoxide in it. These two methods have been used in three projects involving virtual screening, targeting M. tuberculosis DNA-gyrase, P vivax subtilisin 1 and GLIC, an procaryotic model of human pentameric ligand-gated ion channel. These methods allowed us to identify an inhibitor of subtilisin 1 and four effectors of GLIC.; Les cavités sont le lieu privilégié des interactions d’une protéine avec ses ligands, et sont donc déterminantes pour sa fonction, elle-même aussi influencée par la dynamique de la protéine. Peu de méthodes permettent d’étudier en détail la dynamique des cavités malgré leur intérêt notamment pour le criblage virtuel. Les cavités d’une protéine définissent un ensemble très labile. Ainsi, suivre une cavité le long d’une trajectoire est ardu car elle peut être sujette à des divisions, fusions, disparitions et apparitions. Je propose une méthode pour résoudre cette question afin d’exploiter la dynamique des cavités de façon systématique et rationnelle, en classifiant les cavités selon les groupes d’atomes les entourant. J’ai identifié les paramètres procurant les meilleurs critères de suivi des cavités. Pour caractériser les évolutions principales de la géométrie des cavités en relation avec la dynamique de la protéine, j’ai développé une méthode basée sur l’Analyse en Composantes Principales. Cette méthode peut être utilisée pour sélectionner ou construire des conformations à partir de la forme de leurs cavités. Deux exemples d’applications sont traitées : la sélection de conformations ayant des cavités de géométries diverses et l’étude de l’évolution des cavités de la myoglobine lors de la diffusion du monoxyde de carbone. Ces deux méthodes ont été utilisées pour trois projets de criblage virtuel ciblant l’ADN-gyrase de M tuberculosis, la subtilisine 1 de P vivax et GLIC, homologue procaryote des récepteurs pentamériques humains. Les molécules sélectionnées à l’aide de ces méthodes ont permis d’identifier une molécule active contre la subtilisine et quatre effecteurs de GLIC.

Balance is a key element for daily activities, that’s making balance training, is important for ev eryone. In the aim of promoting physical activity and changing exercise behaviour, BodyScoring’s balance application, using an inexpensive mobile device provided with accelerometers, gyroscope and magnetometer, proposes tow Yoga exercises (‘Tadasana and Vrksasana’), for balance improvement, an d calculates a score to determine the level skills and share it with friends. First, this thesis examines th e validity, reliability and the sensitivity of accelerometer data by comparing them to force platform data. Second, a postural scoring system is developed. Based on three key factors, it allows evaluating the postural performance, the duration and the appropriate execution of the exercise. The graphical re presentation of the score has allowed a straightforward and simple interpretation of results., La thématique générale des travaux de la thèse porte sur l’utilisation des Technologies de l’information et de la communication afin de promouvoir l’activité physique et limiter les troubles dus à la sédentarité. Ils s’inscrivent dans le cadre d’un projet qui vise à développer une solution d’évaluation de la motricité des sujets humains à faible coût, en utilisant des capteurs inertiels embarqués. L’objectif du présent travail de thèse est d’évaluer les capacités posturales au travers deux exercices de Yoga. En premier lieu, nous avons validé l’utilisation des dispositifs BodyTrack, par rapport à un système de référence (Plateforme de force), dans le cadre de l’évaluation des oscillations posturales. Ensuite, une méthodologie est proposée afin d’évaluer la performance motrice selon 3 facteurs. Le premier considère le maintien de l’équilibre postural lors des phases statique des deux exercices. Le deuxième facteur évalue la durée de ces phases statiques et le troisième permet de vérifier la bonne exécution de la posture. L’ensemble des facteurs mesurés permet de construire une vue d’ensemble de l’exercice effectué et rend compte de la performance motrice.

Balance is a key element for daily activities, that’s making balance training, is important for ev eryone. In the aim of promoting physical activity and changing exercise behaviour, BodyScoring’s balance application, using an inexpensive mobile device provided with accelerometers, gyroscope and magnetometer, proposes tow Yoga exercises (‘Tadasana and Vrksasana’), for balance improvement, an d calculates a score to determine the level skills and share it with friends. First, this thesis examines th e validity, reliability and the sensitivity of accelerometer data by comparing them to force platform data. Second, a postural scoring system is developed. Based on three key factors, it allows evaluating the postural performance, the duration and the appropriate execution of the exercise. The graphical re presentation of the score has allowed a straightforward and simple interpretation of results., La thématique générale des travaux de la thèse porte sur l’utilisation des Technologies de l’information et de la communication afin de promouvoir l’activité physique et limiter les troubles dus à la sédentarité. Ils s’inscrivent dans le cadre d’un projet qui vise à développer une solution d’évaluation de la motricité des sujets humains à faible coût, en utilisant des capteurs inertiels embarqués. L’objectif du présent travail de thèse est d’évaluer les capacités posturales au travers deux exercices de Yoga. En premier lieu, nous avons validé l’utilisation des dispositifs BodyTrack, par rapport à un système de référence (Plateforme de force), dans le cadre de l’évaluation des oscillations posturales. Ensuite, une méthodologie est proposée afin d’évaluer la performance motrice selon 3 facteurs. Le premier considère le maintien de l’équilibre postural lors des phases statique des deux exercices. Le deuxième facteur évalue la durée de ces phases statiques et le troisième permet de vérifier la bonne exécution de la posture. L’ensemble des facteurs mesurés permet de construire une vue d’ensemble de l’exercice effectué et rend compte de la performance motrice.

UMR AGAP - équipe AFEF - Architecture et fonctionnement des espèces fruitièresUMR AGAP - équipe AFEF - Architecture et fonctionnement des espèces fruitières; Adapting temperate fruit-tree cultivation to stressful environments is a considerable challenge for the breeder. This is especially true for water restriction (WR) which is likely to occur more frequently in the near future, not only in Mediterranean climates but also in several parts of the middle and high latitudes. Apple was chosen as an example of fruit tree distributed worldwide and also cultivated in semi-arid regions where irrigation is crucial for regular cropping. A range of apple genotypes sourced from a single-cross-population and trained as grafted one-year-old single shoots, grown in 4-L pots in controlled conditions were used. We investigated genotype variations in some morphological and leaf ecophysiological traits of shoots maintained in a severe WR in comparison to well-watered (WW) shoots. A Principal Component Analysis performed on all variables showed that the effects of WR on the two components of vegetative growth (i.e., stem and leaf) and on leaf ecophysiology strongly varied depending on the water regime, and within each water regime on the genotype. From an ecophysiological point of view, well-watered genotypes were better discriminated by leaf “efficacy” (i.e., net photosynthesis, electron transport rate and growth) than by “efficiency” (i.e., water use efficiency), whereas the reverse was true under WR.

The current work aims to find solutions in order to secure the egress of woodlands in the province of the « Ardèche Verte ». This is the outcome of a study which identifies the main forest roads and establishes a technical and legal framework of the latter. The survey is based on the analysis of the forest road’s economic impact and the related jurisprudence but also on the use of Geographic Information System. The conclusion of this work relies on the forest roads’ users talking to each other in order to implement the specified pieces of advice.; Le présent travail vise à trouver des solutions afin de garantir la sortie des bois des massifs forestiers du territoire du Pays Ardèche verte. Il est le fruit d’une étude déterminant les routes forestières structurantes, établissant un diagnostic technique et juridique de celles-ci. L’enquête est basée sur l’analyse de l’impact économique des routes forestières, de la jurisprudence s’y rapportant, mais aussi sur l’utilisation d’un Système d’Information Géographique. L’aboutissement de ce travail tient dans la concertation entre les différents usagers des routes forestières afin de mettre en œuvre les préconisations proposées.

Human serum albumin (HSA) is a protein known for its exceptional transport properties and its high content of disulfide bridges. The study of the conformational dynamics represents a major challenge in the comprehension of its physiological functions. The aim of our work was to study the conformational dynamics and to understand the roleof disulfide bonds in the stability of the native protein structure. Our analysis is based on simulations of molecular dynamics coupled with principal component analysis. Beyond the validation of the simulation method, the results provide new insights on the main effects of the disulfide bonds reduction in serum albumins. Protein unfolding/refolding processes were detailed. A special attention is paid to the prediction of the reduced structure at the equilibrium. A detailed study of the global protein conformational dynamics as well as the two main binding sites were performed. Possible allosteric effects between these two sites were researched. The theoretical results have been discussed with the available experimental data, L’albumine sérique humaine (HSA) est une protéine connue pour ses propriétés de transport exceptionnelles et son contenu élevé en ponts disulfure. L’étude de sa dynamique conformationnelle représente un défi important dans la compréhension de ses fonctions physiologiques. Le but de notre travail a été d’étudier cette dynamique conformationnelle et de comprendre le rôle des ponts disulfure dans le maintien de la structure native de la protéine. Notre analyse est basée sur des simulations de dynamique moléculaire couplées à des analyses par composantes principales. Outre la validation de la méthode de simulation les résultats fournissent de nouveaux éclairages sur les principaux effets de la réduction des ponts disulfure dans les albumines sériques. Les processus de dépliement/repliement protéique ont été détaillés. La prédiction de la structure réduite d’équilibre a également fait l’objet d’une attention particulière. Une étude détaillée de la dynamique conformationnelle globale de la protéine ainsi que celle des deux sites principaux de complexation a été effectuée. D’éventuels effets allostériques entre ces deux sites ont été recherchés. Les résultats théoriques obtenus ont été discutés avec les données expérimentales disponibles