Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

28 mars 2018

Thèse au LISTIC : Approche possibilistes, graduelles et crédibilistes pour la fusion d'informations multi-sources.


Catégorie : Doctorant


Titre

Approches possibilistes, graduelles et crédibilistes pour la fusion d'informations multi-sources. Application à un système d'aide à la décision pour des patients diabétiques insulino-dépendants.

Résumé

La fusion de données multi-sources est une méthodologie qui permet de combiner des informations provenant de plusieurs sources afin de construire une information plus pertinente et de meilleure qualité [6]. Toutefois, un certain nombre de problèmes rend la fusion de données difficile à réaliser. La majorité de ces problèmes découlent de la nature des données à fusionner (parfois subjectives), de leurs imperfections (imprécises et incertaines) et de la diversité des technologies des capteurs exploités pour capturer ces informations.

Cette thèse portera sur une étude méthodologique et comparative des approches possibilistes, graduelles et crédibilistes [1]-[5] pour la conception d’un Système d’Aide à la Décision (SAD) via une stratégie de fusion d’informations. Le champ d’application privilégié s’insère dans une problématique liée au domaine médical et concerne plus particulièrement le développement d’un SAD pour des patients diabétiques insulino-dépendants. En fonction, des images (photos) prises par le patient de son repas (Aliments) à l’aide de son smartphone, le SAD sera capable d’estimer la quantité d’insuline nécessaire à injecter. Cette estimation est non seulement liée aux aliments extraits et à leurs quantités (informations imprécises), mais aussi liée au profil du patient, souvent incertain, en termes d’habitudes et comportements alimentaires (informations subjectives), aux objectifs thérapeutiques parfois contradictoires et à son historique médical (autres maladies, complications, âge...). Le questionnement sur le choix d’une représentation capable de manipuler et de combiner ces informations imprécises, incertaines, parfois subjectives et/ou ambigües est central dans la problématique de cette thèse.

Dans la littérature, des techniques et des méthodologies de fusion existent (approches ensemblistes et graduelles, théorie des possibilités, la théorie des fonctions de croyances, ...). L’objectif de cette thèse est alors d’étudier ces méthodes en analysant leurs avantages et/ou inconvénients pour proposer par la suite une vision mixte (« intervalliste » et graduelle) et innovante pour la conception du SAD. En ce qui concerne les outils d’aide pour les patients diabétiques insulino-dépendants, quelques méthodologies et applications ont été proposées dans la littérature, allant des journaux interactifs [7] à la surveillance du régime basé sur des capteurs placés sur le corps [8]. Toutefois, ces applications ne présentent pas une approche automatique pour l’estimation de l’insuline et n’intègrent pas le profil du patient et l’imperfection des données (imprécisions, incertitudes et conflits) dans leur mécanisme décisionnel [9][10].

Dans cette thèse, une attention particulière sera portée sur des approches mixtes (possibilistes, graduelles et crédibilistes) [1]-[5] pour la combinaison, l’agrégation des informations ainsi que pour la prise de décision. Cette vision originale permet la proposition de méthodes de fusion et de SAD pertinents, capables de tirer profit de leur environnement imprécis et/ou incertain. Le développement d’un outil de validation des choix méthodologiques adoptés via une interface de démonstration (sur smartphone) sera également réalisé.

Références

[1] Boukezzoula R., Galichet S. and Coquin D., From fuzzy regression to gradual regression: Interval-based analysis and extensions, Information Sciences, Vol.441, pp. 18-40, 2018.

[2] Boukezzoula R., Galichet S., Foulloy L., Elmasry M., Extended gradual interval (EGI) arithmetic and its application to gradual weighted averages,
Fuzzy Sets and Systems, Vol. 257, pp. 67-84, 2014.

[3] Aregui A. and Denoeux T., Constructing consonant belief functions from sample data using confidence sets of pignistic probabilities. International Journal of Approximate Reasoning, vol. 49, no. 3, pp. 575–594, 2008.

[4] Dubois D. and Prade H., Gradual elements in a fuzzy set, Soft Computing, N° 12, pp. 165-175, 2008.

[5] Dubois D. and Prade H., Possibility Theory: An Approach to Computerized Processing of Uncertainty. Plenum Press, New York, 1988.

[6] B. Khaleghi, A. Khamis, F.O. Karray, S.N. Razavi, Multisensor data fusion: A review of the state-of-the-art, Information Fusion, Vol. 14, N° 1, pp. 28-44, January 2013.

[7] M. C. Rossi et al., Diabetes interactive diary: A new telemedicine system enabling flexible diet and insulin therapy while improving quality of life: An open-label, international, multicenter, randomized study, Diabetes Care, vol. 33, no. 1, pp. 109–115, 2010.

[8] O. Amft and G. Troster, Recognition of dietary activity events using on-body sensors, Artif. Intell. Med., vol. 42, no. 2, pp. 121–136, 2008.

[9] M.M. Anthimopoulos et al., A Food Recognition System for Diabetic Patients Based on an Optimized Bag-of-Features Model, IEEE Journal of Biomedical and Health Informatics, Vol. 18, N° 4, pp. 1261-1271, 2014.

[10] Y. Kawano, and K. Yanai, FoodCam: A Real-Time Mobile Food Recognition System Employing Fisher Vector, Multimedia modeling International conference, MMM 2014, Part II, LNCS 8326, pp. 369-373, 2014.

Candidature

Allocation du ministère de l'Ecole Doctorale SISEO (Uuniversité de Savoie Mont-Blanc): 1768 Euros brut mensuel. L'école doctorale devra attribuer les 6 allocations de recherche aux 6 meilleurs candidats sur les sujets émanants des 9 Laboratoires de recherche.

Pour avoir des chances d'obtenir une des 6 allocations de recherche, le candidat doit avoir un dossier (notes de Licence L3, Master 1 et Master 2 (partie théorique)) de très bon niveau. C'est pourquoi, le LISTIC recherche un candidat qui a des compétences en méthodologies de fusion d'informations (si possible sur des données images).

Merci d'envoyer par mel avant le 24 Mai, votre CV, avec les notes de L3, M1 et M2 à l'un des deux contacts suivants :

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.