Algorithmes pour les données multidimensionnelles
Auteur / Autrice : | Alexandre Louvet |
Direction : | Nabil Mustafa, Victor-Emmanuel Brunel |
Type : | Projet de thèse |
Discipline(s) : | Informatique |
Date : | Inscription en doctorat le 03/05/2021 |
Etablissement(s) : | Université Gustave Eiffel |
Ecole(s) doctorale(s) : | École doctorale Mathématiques, Sciences et Technologies de l'Information et de la Communication |
Partenaire(s) de recherche : | Laboratoire : Laboratoire d'informatique de l'Institut Gaspard Monge (1997-2009) |
Equipe de recherche : A3IS - Algorithme, Architecture, Analyse et Synthèse d'Image |
Mots clés
Mots clés libres
Résumé
Si les capteurs collectant des données sont omniprésents, l'exploitation des données géométriques de plus en plus massives obtenues pose un sérieux défi à la communauté scientifique, notamment sur le plan algorithmique. Notre approche pour traiter ces données consiste à construire, pour un paramètre d'approximation eps donné, un plus petit jeu de données artificiel S, à résoudre le problème sur S, et finalement à utiliser cette solution pour trouver une (1+eps)-approximation du problème original. On examine tout d'abord les propriétés géométriques des données qui sont pertinentes pour la construction de S. Ensuite, on étudie les complexités (en temps et en mémoire) de la construction de S lorsque la dimension est grande, en se basant sur une compréhension des phénomènes géométriques et combinatoires sous-jacents. Enfin, on montre comment utiliser S pour améliorer la précision et la rapidité des algorithmes d'optimisation.