Analyse et visualisation pour l'étude de la qualité des séries temporelles de données imparfaites

par Zied Ben othmane

Thèse de doctorat en Info - Informatique

Sous la direction de Cyril De runz.

Soutenue le 23-01-2020

à Reims , dans le cadre de Ecole doctorale Sciences du Numérique et de l’Ingénieur (Reims, Marne) , en partenariat avec Centre de Recherche en STIC. CReSTIC (laboratoire) .

Le président du jury était Hacène Fouchal.

Le jury était composé de Cyril De runz, Baya Lydia Boudjeloud-Assala, Arnaud Martin, Allel Hadjali, Amine Aït Younes.

Les rapporteurs étaient Baya Lydia Boudjeloud-Assala, Arnaud Martin.

mots clés

• Qualité
• Variabilité
• Données imparfaites
• Fouille de données
• Visualisation
• Séries temporelles
• Séries chronologiques -- Ressources Internet -- Thèses et écrits académiques
• Web -- Gestion de l'information -- Thèses et écrits académiques

Résumé

Dans ce travail de thèse, nous nous intéressons à la qualité des informations récoltées par des capteurs sur le web. Ces données forment des séries de données temporelles qui sont incomplètes et imprécises, et sont sur des échelles quantitatives peu comparables. Dans ce contexte, nous nous intéressons plus particulièrement à la variabilité et la stabilité de ces séries temporelles. Nous proposons deux approches pour les quantifier. La première se base sur une représentation à l'aide des quantiles, la seconde est une approche floue. A l'aide de ces indicateurs, nous proposons un outil de visualisation interactive dédié à l'analyse de la qualité des récoltes effectuées par les capteurs. Ce travail s'inscrit dans une collaboration CIFRE avec la société Kantar.

mots clés

• Quality
• Variability
• Imperfect data
• Data mining
• Visualization
• Time series

Titre traduit

Analysis and visualization for studying the quality of imperfect data time series

Résumé

This thesis focuses on the quality of the information collected by sensors on the web. These data form time series that are incomplete, imprecise, and are on quantitative scales that are not very comparable. In this context, we are particularly interested in the variability and stability of these time series. We propose two approaches to quantify them. The first is based on a representation using quantiles, the second is a fuzzy approach. Using these indicators, we propose an interactive visualization tool dedicated to the analysis of the quality of the harvest carried out by the sensors. This work is part of a CIFRE collaboration with Kantar.