Alignement temporel généralisé pour la classification non supervisée de séries temporelles
Auteur / Autrice : | Saeid Soheily-Khah |
Direction : | Ahlame Douzal-Chouakria, Éric Gaussier |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique et mathématiques appliquées |
Date : | Soutenance le 07/10/2016 |
Etablissement(s) : | Université Grenoble Alpes (ComUE) |
Ecole(s) doctorale(s) : | École doctorale mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 199.-....) |
Partenaire(s) de recherche : | Laboratoire : Laboratoire d'informatique de Grenoble |
Jury : | Président / Présidente : Pierre-François Marteau |
Examinateurs / Examinatrices : José Antonio Vilar Fernández | |
Rapporteurs / Rapporteuses : Mohamed Nadif, Paul Honeine |
Mots clés
Mots clés contrôlés
Résumé
L’alignement de multiples séries temporelles est un problème important non résolu dans de nombreuses disciplines scientifiques. Les principaux défis pour l’alignement temporel de multiples séries comprennent la détermination et la modélisation des caractéristiques communes et différentielles de classes de séries. Cette thèse est motivée par des travaux récents portant sur l'extension de la DTW pour l’alignement de séries multiples issues d’applications diverses incluant la reconnaissance vocale, l'analyse de données micro-array, la segmentation ou l’analyse de mouvements humain. Ces travaux fondés sur l’extension de la DTW souffrent cependant de plusieurs limites : 1) Ils se limitent au problème de l'alignement par pair de séries 2) Ils impliquent uniformément les descripteurs des séries 3) Les alignements opérés sont globaux. L'objectif de cette thèse est d'explorer de nouvelles approches d’alignement temporel pour la classification non supervisée de séries. Ce travail comprend d'abord le problème de l'extraction de prototypes, puis de l'alignement de séries multiples multidimensionnelles.