Éditeur(s) : HAL CCSD Springer Verlag
Résumé : International audience
The objective of this study is to assess the association of clinical manifestations of systemic sclerosis (SSc) with the absolute count of circulating blood monocyte subpopulations according to their membrane expression of CD16. Forty-eight consecutive patients fulfilling the 2013 ACR/EULAR classification criteria for SSc were included in this cross-sectional study. CD16+ monocyte absolute count was defined by flow cytometry and confronted to the clinical characteristics of SSc patients. Twenty-three healthy donors (HD) were randomly selected for comparison. SSc patients had an increased number of total circulating blood monocytes compared to HD (p < 0.001). The CD16- subpopulation absolute count was increased in SSc patients compared to HD (p < 0.001) but was similar in limited SSc (lSSc) and diffuse SSc (dSSc). On the contrary, the CD16+ population absolute count was increased in dSSc compared to both HD and lSSc patients (dSSc 0.071 Giga/L (+/- 0.034) vs HD 0.039 Giga/L (+/- 0.030), p < 0.01, and dSSc 0.071 Giga/L (+/- 0.034) vs lSSc 0.048 Giga/L (+/- 0.024), p < 0.05). The CD16+ monocyte subpopulation absolute count was significantly correlated with the severity of skin fibrosis evaluated by the modified Rodnan skin score (p < 0.001). The CD16+ monocyte subpopulation was also associated with pulmonary fibrosis (p < 0.05), with the severity of the restrictive ventilatory defect evaluated by total lung capacity (p < 0.05) and with the pulmonary function impairment reflected by diffusing capacity of the lungs for carbon monoxyde measures (p < 0.01). These results suggest that CD16+ monocytes are associated with the main fibrotic manifestations of SSc and their role in the pathogenesis of fibrosis in this autoimmune disorder should therefore be further considered.
ISSN: 0770-3198

hal-01560150
https://hal-univ-rennes1.archives-ouvertes.fr/hal-01560150
DOI : 10.1007/s10067-017-3597-6
PUBMED : 28293753

Éditeur(s) : HAL CCSD Springer Verlag
Résumé : under revision for IJCV
International audience
The k-nearest neighbors (k-NN) classification rule has proven extremely successful in countless many computer vision applications. For example, image categorization often relies on uniform voting among the nearest prototypes in the space of descriptors. In spite of its good properties, the classic k-NN rule suffers from high variance when dealing with sparse prototype datasets in high dimensions. A few techniques have been proposed to improve k-NN classification, which rely on either deforming the nearest neighborhood relationship or modifying the input space. In this paper, we propose a novel boosting algorithm, called UNN (Universal Nearest Neighbors), which induces leveraged k-NN, thus generalizing the classic k-NN rule. We redefine the voting rule as a strong classifier that linearly combines predictions from the k closest prototypes. Weak classifiers are learned by UNN so as to minimize a surrogate risk. A major feature of UNN is the ability to learn which prototypes are the most relevant for a given class, thus allowing one for effective data reduction. Experimental results on the synthetic two-class dataset of Ripley show that such a filtering strategy is able to reject "noisy" prototypes. We carried out image categorization experiments on a database containing eight classes of natural scenes. We show that our method outperforms significantly the classic k-NN classification, while enabling significant reduction of the computational cost by means of data filtering.
ISSN: 0920-5691

hal-00481712
https://hal.archives-ouvertes.fr/hal-00481712
DOI : 10.1007/s11263-012-0539-2
ARXIV : 1001.1221

Éditeur(s) : HAL CCSD
Résumé : J'étais à l'époque dans le laboratoire I3S de Sophia-Antipolis. Je suis dorénavant au laboratoire GRIMAAG en Guadeloupe.
We focused on the communication problem within multi-agents systems, inspirited by nature and more precisely by the ants that are a perfect example of living integrating learning (ontogenesis) to genetic inheritance (phylogenesis): the Baldwin Effect.
We worked with agents represented by classifiers systems using genetic algorithm. We introduced a new fixed knowledge based classifiers system, the simplified Pittsburgh classifier system, which we studied in a spontaneous coordination multi-agents problem. Then, we successfully allowed “homogeneous” agents to communicate their “knowledge” using distributed elitism.
Finally, “heterogeneous” agents efficiently exchanged information thanks to a minimal communication model we defined, bound to reality and extended.
Nous nous sommes intéressés à la problématique de la communication au sein des systèmes multi-agents en nous inspirant de la nature et plus particulièrement des fourmis qui sont un parfait exemple de l'intégration de l'apprentissage du vivant (ontogenèse) au capital génétique de celui-ci (phylogénie) : l'effet Baldwin.
Nous avons choisi de travailler avec des systèmes de classeurs à algorithme génétique pour représenter les agents. Nous avons introduit un nouveau type de système de classeurs à base de connaissance de taille fixe, les systèmes de classeurs de type Pittsburgh simplifié, dont nous avons étudié les propriétés dans un contexte multi-agents de coordination spontanée.
Nous avons ensuite proposé avec succès aux agents "homogènes" de communiquer pour échanger leur "connaissance" à l'aide de l'élitisme distribué.
Enfin, les agents "hétérogènes" ont échangé efficacement des informations grâce à un modèle minimal de communication que nous avons ancré dans la réalité puis étendu.
https://tel.archives-ouvertes.fr/tel-00192372

tel-00192372
https://tel.archives-ouvertes.fr/tel-00192372
https://tel.archives-ouvertes.fr/tel-00192372/document
https://tel.archives-ouvertes.fr/tel-00192372/file/These.pdf

Éditeur(s) : HAL CCSD Ecological Society of America
Résumé : Reliable assessment of fish origin is of critical importance for exploited species, since nursery areas must be identified and protected to maintain recruitment to the adult stock. During the last two decades, otolith chemical signatures (or "fingerprints") have been increasingly used as tools to discriminate between coastal habitats. However, correct assessment of fish origin from otolith fingerprints depends on various environmental and methodological parameters, including the choice of the statistical method used to assign fish to unknown origin. Among the available methods of classification, Linear Discriminant Analysis (LDA) is the most frequently used, although it assumes data are multivariate normal with homogeneous within-group dispersions, conditions that are not always met by otolith chemical data, even after transformation. Other less constrained classification methods are available, but there is a current lack of comparative analysis in applications to otolith microchemistry. Here, we assessed stock identification accuracy for four classification methods (LDA, Quadratic Discriminant Analysis [QDA], Random Forests [RF], and Artificial Neural Networks [ANN]), through the use of three distinct data sets. In each case, all possible combinations of chemical elements were examined to identify the elements to be used for optimal accuracy in fish assignment to their actual origin. Our study shows that accuracy differs according to the model and the number of elements considered. Best combinations did not include all the elements measured, and it was not possible to define an ad hoc multielement combination for accurate site discrimination. Among all the models tested, RF and ANN performed best, especially for complex data sets (e. g., with numerous fish species and/or chemical elements involved). However, for these data, RF was less time-consuming and more interpretable than ANN, and far more efficient and less demanding in terms of assumptions than LDA or QDA. Therefore, when LDA and QDA assumptions cannot be reached, the use of machine learning methods, such as RF, should be preferred for stock assessment and nursery identification based on otolith microchemistry, especially when data set include multispecific otolith signatures and/or many chemical elements.
ISSN: 1051-0761

hal-00644549
https://hal.archives-ouvertes.fr/hal-00644549
DOI : 10.1890/09-1887.1

Éditeur(s) : HAL CCSD
Résumé : International audience
This paper deals with data structures within GIS. Continuous phenomenons are usually represented by raster structures for simplicity reasons. With such structures spatial repartitions of the data is not easily interpretable. Moreover, in an overlapping clustering context these structures remove the links between the data and the algorithms. We propose a vector representation of such data based on non-regular multi-rings polygons. The structure requires multipart nested polygons and new set operations. We present the formalism based on belief theory and uncertainty reasoning. We also detail the implementation of the structures and the set operations. The structures and the set operations are illustrated in the context of forest classification having diffuse transitions.
IF&GIS
Shangai, China

hal-01514239
https://hal.archives-ouvertes.fr/hal-01514239

Résumé : La tuberculose, maladie très ancienne, est plus que jamais présentée sur la scène sanitaire mondiale avec 9 millions de nouveaux cas par an. Cette maladie, qui demeure une cause majeure de mortalité, est un des problèmes les plus difficiles à résoudre en santé publique et à échelle internationale. Les diverses programmes de lutte, lancés par l’Organisation Mondiale de la Santé (OMS), pour prévenir et garantir la guérison des patients tuberculeux, se heurtent à des difficultés qui hypothèquent leur efficacité. En effet, l'expansion du virus de rinimunodéficience humaine (VIII) et son influence néfaste sur la susceptibilité à la tuberculose, l'accroissement rapide de la tuberculose multirésistante, la pauvreté ainsi que la croissance démographique, sont un ensemble de facteurs préjudiciables à l'application des mesures préventives et curatives. Les contextes économiques difficiles conduisant indubitablement au cumul de ces facteurs, ont fait une césure entre les pays riches et les pays pauvres quant à l'incidence et la révolution de la tuberculose à échelle mondiale. Pour atténuer la disparité des résultats des luttes antituberculeuses, les méthodologies employées en épidémiologie de la tuberculose doivent s'inscrire dans une démarche d'efficacité. Les marqueurs moléculaires, indispensables à l'identification et à la classification des souches appartenant au complexe Mycobacterium tuberculosis (MTC) ont chacun des potentialités qui leur sont propres dont il convient de cerner pour une utilisation adéquate dans les études épidémiologiques et phylogénétiques. Le but de cette thèse consiste à extraire des connaissances nouvelles des résultats de génotypage stockées dans les bases de données, connaissances relatives au polymorphisme du support génomique pour estimer la contribution de chaque marqueur dans la classification de MTC. Le recours à différentes méthodes de reconstruction phylogénétique et de modélisation des données fut indispensable. A la lumière des résultats obtenus, cette thèse propose une nouvelle méthodologie de classification, pour rétablissement d'une phylogéographie robuste de MTC en relation avec l'histoire des migrations humaines qui aurait débutée en Afrique subsaharienne. Chaque méthode de génotypage ayant une efficience et un cout propres, qu'il convient de mesurer par rapport aux moyens disponibles et aux résultats escomptes, il est donc intéressant de renforcer la connaissance des marqueurs et de proposer différentes alternatives menant à la classification des mycobactéries. Ainsi, les résultats obtenus dans cette thèse apportent plus de cohérence aux solutions proposées pour la caractérisation des clones de MTC circulant dans le monde.
Tuberculosis, very old disease, is more than ever presented on the global health scene with 9 million new cases per year. This disease, which remains a major cause of mortality is one of the most intractable public health and international issues. The various control programs, launched by the World Health Organization (WHO) to prevent and guarantee the cure of tuberculosis patients face difficulties that undermine their effectiveness. Indeed, the expansion of human virus rinimunodéficience (VIII) and its negative influence on susceptibility to tuberculosis, the rapid growth of multidrug-resistant tuberculosis, poverty and population growth, are a set of factors detrimental to application of preventive and curative measures. The difficult economic circumstances undoubtedly leading to accumulation of these factors have a break between rich and poor countries about the impact and the revolution of tuberculosis worldwide. To address the disparity of the results of tuberculosis struggles, the methodologies used in epidemiology of tuberculosis must be part of a process efficiency. Molecular indispensable to the identification and classification of strains belonging to the Mycobacterium tuberculosis complex (MTC) markers each have their own potentials that need to be identified for proper use in epidemiological and phylogenetic studies. The purpose of this thesis is to extract new knowledge of the results of genotyping data stored in databases, knowledge of the polymorphism of genomic carrier to estimate the contribution of each marker in the classification of TCM. The use of different methods of phylogenetic reconstruction and modeling data was essential. In light of the results obtained, the thesis proposes a new classification methodology for a robust recovery phylogeography of TCM in connection with the history of human migration have started in sub-Saharan Africa. Each genotyping method with cost efficiency and equity, should be measured in relation to the resources available and discounts results, it is interesting to strengthen the knowledge of markers and propose alternatives leading to the classification of mycobacteria. Thus, the results obtained in this thesis bring more coherence to the proposed characterization of clones MTC circulating worldwide solutions.

http://www.theses.fr/2012AGUY0518/document

Éditeur(s) : HAL CCSD
Résumé : The research presented in this thesis aims at determining the possibility of partial or total automatic ship detection in High Resolution optical satellite images. At first, we expose the industrial context of our study, which fixes the constraints in terms of performances and processing time. Then, we present the available satellite data for our study (SPOT 5 panchromatic images of 5m per pixel resolution). Then we detail our approach for ship detection : the first stage is a pre-detection of targets that gives us candidates. The second stage is a precise segmentation of each candidate and the third stage is a classification of candidates. Our pre-detection method is based on the Bayesian decision theory. This pre-detection supplies a set of regions of interests (ROI). Among them, we have ships, but also false alarms due to clouds and to crests of waves. The purpose of the following stage is to eliminate the false alarms and to characterize the pre-detected ships. Then, we detail the method used to segment candidates. It uses active contours and also uses the Bayesian decision theory. After a brief description of the characteristics extracted for the classication of ships, we present the classifier that we used. We complete the ship characterization by presenting two methods of wave ship detection. The first approach uses active contours and the second is based on an a contrario approach. We compare the results of these two approaches. To complete the study and replace it in the industrial and operational context, we present experiments of the complete algorithm on complete images to estimate the performances and the processing time of the whole method.
Les travaux présentés dans cette thèse ont pour but de déterminer la possibilité d'automatiser, partiellement ou totalement, la détection de bateaux à partir d'images satellitaires optiques haute résolution. Nous exposons tout d'abord le contexte industriel dans lequelle s'insère notre étude, qui fixe les contraintes en termes de performances et de temps de traitement. Puis, nous présentons les données satellitaires disponibles dans le cadre de notre étude (images SPOT 5 panchromatique de résolution 5m). Après avoir illustré le contenu des scènes, nous présentons la démarche adoptée pour la détection des navires : une phase de pré-détection suivie d'une étape de segmentation et d'une étape de classification. La méthode de pré-détection utilisée s'appuie sur la théorie bayésienne de la décision. Après avoir présenté le modèle classique, nous discutons du modèle que nous avons utilisé. Cette pré-détection fournit un ensemble de régions d'intérêts. Parmi elles, nous n'avons pas uniquement des bateaux, nous avons également des fausses alarmes dues aux nuages et aux crêtes de vagues. Le but de l'étape suivante est à la fois d'éliminer les fausses alarmes et de caractériser les bateaux pré-détectés. Ensuite, nous détaillons la méthode utilisée pour segmenter les bateaux. Elle s'appuie sur des contours actifs et utilise également la théorie bayésienne de la décision. Après avoir décrit les caractéristiques extraites pour la classification des bateaux, nous présentons le classifieur utilisé. Nous complétons la caractérisation des navires en présentant deux méthodes de détection des sillages différentes des méthodes classiques. La première approche s'appuie sur l'utilisation de contours actifs et la seconde est basée sur une approche a contrario. Nous comparons les résultats des ces deux approches. An de compléter l'étude et se replacer dans le contexte industriel et opérationnel de la thèse, nous présentons des expérimentations de l'ensemble de l'algorithme sur des images complètes pour évaluer les performances et le temps de traitement.
https://tel.archives-ouvertes.fr/tel-00560119

tel-00560119
https://tel.archives-ouvertes.fr/tel-00560119
https://tel.archives-ouvertes.fr/tel-00560119/document
https://tel.archives-ouvertes.fr/tel-00560119/file/These_NadiaProia_Version_Finale.pdf

Éditeur(s) : Amer Geophysical Union
Résumé : Seismic noise is an indirect source of information on ocean waves. Using a model of noise generation and propagation, seismic stations can be separated into those that are mostly sensitive to local sea states, and those that integrate sources from a large oceanic area. The model also provides a classification of noise-generating sea states into three classes. The analysis of Central California seismic noise data, well correlated with local waves, reveals that class I events dominate in summer, caused by a single wind-sea system, and for which ocean wave spectral levels are proportional to seismic spectral levels to an exponent b similar or equal to 0.9. In winter, noise is dominated by class II generation, for which coastal reflection is important, with a wave spectral density roughly proportional to the seismic spectral density to an exponent b similar or equal to 0.7. Sporadic events of class III probably produce some of the strongest noise events in Central California and need to be properly screened. These events are caused by opposed wave systems that are usually the wind-sea and a swell. This noise classification can be used to improve on the correlation between measured and estimated wave heights(up to r = 0.93 for daily averages). For other locations, where remote oceanic sources are recorded, a significant wave height estimated from the seismic noise compares well with area-averaged satellite data or wave model results(r > 0.85 for daily averages). These analyses pave the way for quantitative uses of seismic records, including the reconstruction of past wave climates, and the calibration of wave hindcasts.
Journal Of Geophysical Research-oceans (0148-0227) (Amer Geophysical Union), 2012-05 , Vol. 117 , N. C05002 , P. 19 pp.

Droits : 2012 AGU
http://archimer.ifremer.fr/doc/00083/19443/17051.pdf
DOI:10.1029/2011JC007449
http://archimer.ifremer.fr/doc/00083/19443/

Éditeur(s) : HAL CCSD
Résumé : International audience
In this work, we have led an analysis of the error of different global solar radiation prediction models according to the global solar radiation variability. Different predictions models where performed such as machine learning techniques (Neural Networks, Gaussian processes and support vector machines) in order to forecast the Global Horizontal solar Irradiance (GHI). We also include in this study a simple linear autoregressive (AR) model as well as two naive models based on persistence of the GHI and persistence of the clear sky index (denoted herein scaled persistence model). The models are calibrated and tested with data from three 3 French islands: Corsica (42.15°N ; 9.08°E), Guadeloupe (16.25°N ; 61.58°W) and Reunion (21.15°S ; 55.5°E). Guadeloupe and Reunion are located in a subtropical climatic zone whereas Corsica is in a tempered climatic zone. Hence the global solar radiation variation differs significantly. The output error of the different models was quantified by the nRSME. In order to quantify the influence of the global solar radiation variability on the forecasting models error we performed a classification of typical days according to different typical days. Each class of typical day is defined by a variation of global solar radiation rate. For each class and for each location, the selected forecasting models where performed and the error was quantified. With this analysis a global solar radiation forecasting models can be selected according to the location, the global solar radiation fluctuations and hence the meteorological conditions. INTRODUCTION Large and frequent variations of solar radiation can be observed in tropical climates with amplitudes reaching 800 W/m² and occurring within a short time interval, from few seconds to few minutes, according to the geographical location. Such fluctuations can be due for example to the dynamic of clouds which can be very complex and depend on cloud type, size, speed and spatial distribution and, more generally, due to some specific local meteorological conditions. Thus, the solar energy forecasting, a process used to predict the amount of solar energy available in the current and near terms, might be a difficult task. Some of the best predictors found in literature are Autoregressive and moving average (ARMA) [5,7,8], Bayesian inferences [9,10], Markov chains [11], k-Nearest-Neighbors predictors [12] or artificial intelligence techniques as the Artificial Neural Network (ANN) [9-11]. Although these methodologies are potentially good in many areas, we observed in our previous studies on global radiation prediction [9,13,14] that the simple model based on the persistence of the clear sky index gives often very good results with acceptable errors [15] for short term forecasting time horizon (<= 1 hour). The goal of this paper is to determinate the influence of solar radiation variability regarding different classes of days on the expected error provided by different forecasting methods that the modeller can possibly implement. The paper is organized as follow: Section 2 describes the data we have used. Section 3 exposes the classification methodology and the results obtained for the three studied locations. In the two following sections, the forecasting methods are exposed and then 3 the errors on the forecasting results for each location and for each class are exposed.
The Third Southern African Solar Energy Conference (SASEC2015)
Kruger National Park, South Africa

Droits : info:eu-repo/semantics/OpenAccess
hal-01099487
https://hal.archives-ouvertes.fr/hal-01099487
https://hal.archives-ouvertes.fr/hal-01099487/document
https://hal.archives-ouvertes.fr/hal-01099487/file/article%20SASEC.pdf

Éditeur(s) : HAL CCSD
Résumé : International audience
The segmentation of digital images of plants is a tricky operation. In the example of a plant image on a unhomogeneous background, i.e. taken in its environment, the colorimetric diversity of the elements of a scene or the large number of forms can amplify the phenomena of over-segmentation. Global segmentation methods such as Mean Shift are then in this case the ones which will give the best results. These methods take into account the totality of the pixels of an image before classifying a point. On the other hand, complexity is increased, because it is necessary to go through the whole image treated, in order to find the mode of the point which one wishes to classify. In this article, we plan to couple the global segmentation with a local method which would take over in the event of obvious classification of a given point. The Mean Shift method is used for this purpose in association with Markov's chains.
Applied Imagery Pattern Recognition (AIPR)
Washington DC, United States

hal-00637143
https://hal.archives-ouvertes.fr/hal-00637143
DOI : 10.1109/AIPR.2011.6176338

Éditeur(s) : HAL CCSD
Résumé : International audience
Le nombre de satellites et de capteurs pour la télédétection dédiés à l'observation de la Terre ne cesse d'augmenter, permettant ainsi d'avoir une masse de données importante en particulier en matière d'images. Parallèlement, un effort permanent vise, d'une part, à améliorer l'accès à ces données et, d'autre part, à développer d'avantages d'outils pour les manipuler. De tels efforts sont particulièrement utiles dans des contextes socio-environnementaux très dynamiques spatialement et temporellement, pour lesquels il est nécessaire de suivre et de prédire les événements environnementaux et sociétaux. En revanche, en présence d'un tel flux de données, nous avons besoin de méthodes automatiques d'interprétation d'images. Une solution envisageable pour répondre à ce besoin est de bénéficier des atouts de l'intelligence artificielle pour l'obtention de cartes d'occupation du sol issues d'une classification des régions des images. Afin de contribuer à l'automatisation de la classification, nous proposons une méthode d'induction de règles interprétables par des non-experts et mettant en évidence, explicitement, des connaissances structurelles. Cette méthode s'appuie sur la programmation logique inductive (PLI) et en particulier sur le système inductif ”Aleph”. L'application de la méthode de classification Multi-class Rule Set Intersection (MRSI) permet ensuite de classifier tout nouvel objet au regard des ses caractéristiques intrinsèques et de celles des objets environnants. Nous avons appliqué notre méthodologie à l'étude de la dynamique du littoral de la Guyane Française. Suite à ce travail, nous avons induit 136 règles de classification pour 38 classes d'occupation du sol. Ces règles sont intelligibles et simples à interpréter de par l'utilisation de la logique du premier ordre. Les performances du système ont été évaluées par la validation croisée. En moyenne, la précision, la spécificité et la sensibilité sont, respectivement, égales à 84,62%, 99,57% et 77,22%. Ces résultats quantitatifs montrent une bonne performance de la méthodologie pour la mise à jour automatique de cartes d'occupation du sol et/ou l'assistance aux opérateurs utilisant l'analyse d'image orientée-objet.
11èmes Rencontres des Jeunes Chercheurs en Intelligence Artificielle
Lille, France

hal-01376400
https://hal.archives-ouvertes.fr/hal-01376400
https://hal.archives-ouvertes.fr/hal-01376400/document
https://hal.archives-ouvertes.fr/hal-01376400/file/Bayoudh_RJCIA2013.pdf

Éditeur(s) : HAL CCSD Wiley
Résumé : Question: To establish a habitat classification based on functional group co-occurrence that may help the drawing up of conservation plans. Location: Riverine forest fragments in the Grand-duché de Luxembourg, Europe. Methods: Forest fragments were surveyed for their abundance of vascular plants. These were clustered into emergent groups according to 14 life-traits related 10 plant dispersal, establishment and persistence. Forest fragments were classified according to similar distribution of the identified emergent groups. Environmental factors were related to the emergent group richness in each forest type using generalized linear models. Results: Contrary to former species centred classification, only two groups of forests, each with clearly different emergent group composition and conservation requirements. Were detected: (1) swamp forests characterized by anemogamous perennials, annuals and hydrochorous perennials and (2) moist forests characterized by barochorous perennials, small geophytes and zoochorous phanerophytes. From a conservation point of view, priority should he given to large swamp forest with intact flooding regimes his is in accordance with the high wind and water dispersal capacities of their typical emergent groups. For the moist forests. conservation priorities should he high forest connectivity and historical continuity since dispersal and establishment of their characteristic emergent groups arc highly limited. Conclusions: The described methodology, situated at an intermediate integration level between the individual species and whole community descriptors. takes advantage of both conservation plans built for single species and the synthetic power of bread ecological measures.
ISSN: 1402-2001

hal-01031884
https://hal.archives-ouvertes.fr/hal-01031884

Éditeur(s) : HAL CCSD Publisher : Paris : Baillière [1980-. Latest Publisher : Paris : Elsevier
Résumé : National audience
Introduction Les monocytes sont constitués de populations cellulaires hétérogènes aux propriétés distinctes. Il est retrouvé une sur-représentation de la population monocytaire CD14+/CD16+ pro-inflammatoire au cours de certaines connectivites. Cette population monocytaire s’oppose aux monocytes CD14+/CD16– qui jouent un moindre rôle dans l’amplification de la réponse inflammatoire. Les monocytes et les macrophages pourraient jouer un rôle central dans les mécanismes de fibrose au cours de la sclérodermie systémique. L’association entre les manifestations cliniques de la sclérodermie systémique et les différentes populations monocytaires reste à préciser. L’objectif de cette étude « proof of concept »est d’évaluer l’association entre la population monocytaire CD14+/CD16+ et les manifestations cliniques de fibrose chez les patients sclérodermiques. Patients et méthodes Cinquante-cinq patients répondant aux critères ACR 2013 de sclérodermie systémique ont été inclus de manière consécutive de mars à juillet 2015. Les atteintes fibrosantes ont été évaluées simultanément selon les données du bilan viscéral annuel en centre de compétence : l’atteinte cutanée était évaluée cliniquement selon le score de Rodnan modifié, les patients étaient classés selon la classification de Leroy (atteinte cutanée diffuse, atteinte cutanée limitée, sine scleroderma). La présence d’une pneumopathie interstitielle diffuse était évaluée par TDM thoracique, son retentissement sur la fonction respiratoire était précisé par les épreuves fonctionnelles respiratoires (capacité pulmonaire totale, capacité vitale forcée, DLCO). La NFS réalisée le jour du bilan viscéral était traitée en hématoflow permettant de préciser les sous populations monocytaires en fonction de leur statut CD16+ ou CD16–. Les données cliniques étaient relevées en aveugle vis-à-vis des données de cytométrie en flux. Résultats 55 patients sclérodermiques ont été inclus. Le taux moyen de monocytes CD16+ était de 0,054 G/L (SD = 0,029). Les patients avec une atteinte cutanée diffuse avaient des taux significativement plus élevés de monocytes CD16+ (p = 0,021), alors que les taux de monocytes CD16–ne différaient pas entre les patients avec atteinte cutanée diffuse et cutanée limitée. Le score de Rodnan modifié était corrélé de manière significative avec le taux de monocytes CD16+ (R = 0,513, p < 0,001). Il existait une tendance à l’association entre des taux élevés de CD16+ et la présence d’une pneumopathie interstitielle diffuse détectée par TDM (p = 0,113). Il existait une corrélation négative significative (p < 0,05) entre les taux de CD16+ et les résultats des épreuves fonctionnelles respiratoires (capacité pulmonaire totale et DLCO), attestant d’une fonction respiratoire moins bonne chez les patients à taux plus élevés de monocytes CD16+. Il n’était pas retrouvé d’association entre les taux de CD16+ et les autres paramètres cliniques ou immunologiques. Discussion Cette étude « proof of concept » semble montrer une association entre des taux élevés de monocytes CD16+ et certains paramètres de gravité des atteintes fibrosantes de la maladie. En plus de leur association à la gravité des atteintes fibrosantes de la sclérodermie systémique, les taux de monocytes CD16+ pourraient également avoir un intérêt pronostique qui reste à évaluer. Des travaux in vitro ont montré que l’ajout de TGFb au milieu de culture cellulaire de monocytes induisait une augmentation de l’expression du CD16+ par ces monocytes. Les monocytes CD16+ sont également une source de production d’IL-1 bêta et de TNF alpha pro-inflammatoires. D’autres travaux in vitro ont très récemment démontré la plus grande capacité des monocytes CD16+ à se différencier préférentiellement en macrophages ayant également des propriétés pro-inflammatoires. La sous-population monocytaire CD16+ peut également être hiérarchisée en fonction de l’intensité d’expression du CD16. La place précise de ces différentes populations monocytaires dans la physiopathologie de la sclérodermie systémique reste encore à déterminer. Les liens ténus entre monocytes et macrophages, dont l’implication est maintenant reconnue au cours de la sclérodermie invitent à investiguer davantage le rôle possible du monocyte dans le cadre de cette maladie inflammatoire et fibrosante afin d’identifier d’éventuelles nouvelles cibles thérapeutiques ou marqueurs pronostiques. Conclusion Dans cette étude « proof of concept », sur un nombre restreint de patients atteints de sclérodermie systémique répondants aux critères ACR 2013, le taux de monocytes CD16+ semble corrélé avec les atteintes fibrosantes de la maladie, laissant supposer une implication possible de cette sous-population monocytaire dans la physiopathologie de cette connectivite
ISSN: 0248-8663

hal-01321851
https://hal-univ-rennes1.archives-ouvertes.fr/hal-01321851
DOI : 10.1016/j.revmed.2016.04.253

Éditeur(s) : Université des Antilles Études caribéennes
Résumé : Les îles de la Caraïbe orientale sont particulièrement exposées aux éruptions volcaniques. L’ensemble des Petites Antilles comprend en effet une vingtaine de volcans actifs, aux styles éruptifs parmi les plus dangereux et destructeurs. La définition de facteurs de vulnérabilité autorise des comparaisons et un classement des îles en fonction de leur niveau d’exposition. Cette approche permet d’attirer l’attention sur la nécessité d’une gestion proactive des risques volcaniques en contexte insulaire.
The Eastern Caribbean islands are particularly exposed to volcanic eruptions. The Lesser Antilles arc indeed includes a score of active volcanoes, whose eruptive styles are among the most dangerous and destructive. The definition of vulnerability factors leads to some comparisons and a classification of the islands according to their level of exposure. This approach draws the attention to the imperative need for a proactive management of the volcanic risks in this insular context.
Caraïbes

Droits : info:eu-repo/semantics/openAccess
urn:doi:10.4000/etudescaribeennes.316
http://journals.openedition.org/etudescaribeennes/316

Résumé : Les réseaux de capteurs constituent un axe de recherche très fertile ces dernières années. Cette technique se développe dans différents domaines comme l'environnement, l'industrie, le commerce, la médecine, l'armée, etc. Les réseaux de capteurs sont difficiles à concevoir parce qu'ils sont fortement contraints en énergie et que tous les éléments ont potentiellement une influence sur la durée de vie du système. Nous proposons un outil permettant l'aide au bon paramétrage et aux choix de paramètres optimaux pour la stabilité des applications.Dans cette thèse, nous nous sommes intéressés à deux problématiques : une classification des paramètres pour un outil d'aide à la décision pour la configuration d'un réseau de capteurs et la seconde, un outil de test de conformité du système dans un environnement réel. Le document est divisé en deux parties où la première partie est un état de l'art de différents protocoles existants et la deuxième partie décrit notre contribution dans ces deux problématiques.Dans la première contribution, nous avons analysé l'impact de la couverture radio puis de la topologie sur les performances d'un réseau de capteurs. Nous étudions le taux de perte et le niveau d'énergie pour en déduire la stabilité d'une application. Puis nous avons proposé une étude menant à une classification pour notre outil d'aide à la décision. Notre classification est basée sur une étude de divers paramètres de la couche MAC, physique, protocole de routage, nombre de nœuds et type d'application.Dans la deuxième contribution, nous nous sommes focalisés sur une approche pragmatique permettant de tester la conformité d'un réseau de capteurs dans un environnement réel. Pour tester la conformité dans un environnement réel, nous proposons une architecture d'exécution de test sur un réseau de capteurs réel. Ceci dans un but d'assurer un niveau correct de conformité et la stabilité de celui-ci durant son fonctionnement.
Wireless sensor networks is one of the hotest research topic in the last few years. This technology can be applied for different fields such as environment, industry, trading, medicine, military etc. Wireless sensor networks are hard to conceive because they require a lot of energy and because each of its component may have an influence on the lifetime of the whole system. What we suggest is a tool allowing to choose the correct and optimal parameters for the reliability of the applications.In this thesis, we focused on two major problems : firstly, a classification of the parameters for a tool allowing to make decisions about the configuration of a wireless sensors network, and secondly, a tool testing the compliance of the system with a real environment. The document is divided into two parts : the first part states the different protocols that exist, and the second part describes our contributions to those topics.In the first contribution, we analyzed how influential the radio cover and the network topology are on the network performances. Then, we deduced from the study of the loss rate and of the level of energy, the reliability of the application. Next, we suggested a study leading to a classification for our decision making tool. For this classification, we studied various parameters related to the MAC layer, the Physical layer, the network layer, the application layer the number of nodes involved in the network.In the second contribution, we adopted a pragmatic approach so we could test the conformity of a wireless sensors network in a real environment. In order to test its conformity in a real environment, we suggested a structured test execution on a real wireless sensor network. This task has been suggested in order to check the conformance level of the network while it was working.

http://www.theses.fr/2012AGUY0586/document

Éditeur(s) : HAL CCSD ACM New York, NY, USA
Résumé : International audience
This paper focuses on the study of the behavior of a genetic algorithm based classifier system, the Adapted Pittsburgh Classifier System (A.P.C.S), on maze type environments containing aliasing squares. This type of environment is often used in reinforcement learning litterature to assess the performances of learning methods when facing problems containing non markov situations. Through this study, we discuss on the performances of the APCS on maze type environments and also of the efficiency of an improvement of the APCS learning method inspired from the XCS : the covering mechanism. We manage to show that, without any memory mechanism, the APCS is able to build and to keep accurate strategies to produce regular sub-optimal solutions to these maze problem. This statement is shown through a comparison of the results obtained by the XCS, XCSM and XCSMH on distinct maze problems with these obtained by the APCS.
Proceedings of the 2008 GECCO conference companion on Genetic and evolutionary computation
Atlanta, GA, United States

hal-00520607
https://hal.archives-ouvertes.fr/hal-00520607
DOI : 10.1145/1388969.1389013

Éditeur(s) : HAL CCSD
Résumé : International audience
“Affective Computing is computing that relates to, arises from, or deliberately influences emotions” (R.W. Picard, MIT Press, 1997). Specifically, psychosocial equilibrium is now considered as a major issue for both individual and public health. Predicting human emotions via non-intrusive methods is a great challenge triggered by the rise of intelligent assisting systems. In order to determine the emotional state of a subject having a potential psychosocial disorder, it is required to process both neutral and expressive emotions. A computer-engineered method aiming to provide emotional information from videos is proposed. An original approach for affect classification and its interpretation is presented.The database is part of the HUMAINE database, and consists of a large volume of video clips, each displaying individuals, depressed or not, talking with a conversational agent. Both the high-dimensionality of data and its temporal aspect require a pre-training that consists of cleaning, sorting and feature selection, in order to make relevant information usable for further processing by MachineLearning methods. Next step consists in classifying the affective state of subjects according to their positivity or negativity (Russell's model, 1980). By means of six independent classifiers, each running a Support Vector Machine algorithm, separate performances are obtained for each class of emotions. The results reveal an interesting “neutral area phenomenon”, where emotions tend to be harder to be detected.Though more frequent, neutral emotions seem to carry less discriminant information than expressive ones. This issue will be a key for designing a tuning step in further research.
Caribbean Academy Of Science
Deshaies, France

hal-01408029
https://hal.univ-antilles.fr/hal-01408029

Éditeur(s) : University of Miami
Résumé : This work aims to describe fishing activity in Guadeloupe through a typology. The samply unit y is the landing represented by a profile of specific composition. Using multivariate analysis methods allows to synthesize this fishing multi specises and multi fishing tackles. Principal Component Analysis and classification regroup landings. Then, segmentation method separateses classes by species composition. Typology is obtained by association of classes and tackles. The contraist between landings of reef fishes realized with traps and those which search for pelagics is clearly shown. Landings of queen conch and landings without fishes are separated in two classes.
L'objectif de cette étude est de décrire par une typologie, l'activité de pêche en Guadeloupe. L'unité d'échantillonnage est la sortie représentée à l'aide d'un profil de la composition spécifique du débarquement. L'utilisation des méthodes d'analyses de données multivariées permet d'appréhender de façon synthétique cette pêcherie muIti-espèce et multi-engin. L'analyse en composantes principales couplée à une classification regroupe les sorties en classes homogènes. Une fois les classes définies, la segmentation les discrimin à partir de leur composition spécifique. La typologie est obtenue en associant les classes et les engins. Elle fait parfaitement ressortir l'opposition entre les sorties ciblant les poissons de fond, essentiellement réalisées aux casiers, et celles recherchant des pélagiques. Les sorties ciblant les langoustes sont séparées en deux classes en fonction du pourcentage en poissons de fond pêchés conjointement. Les sorties capturant des lambis et celles de captures nulles sont regroupées dans deux classes différentes.
Proceedings - Gulf and Caribbean Fisheries Institute, University of Miami (0072-9019) (University of Miami), 1998 , Vol. 50 , P. 228-248

Droits : info:eu-repo/semantics/openAccess
http://archimer.ifremer.fr/doc/00113/22408/20105.pdf
http://archimer.ifremer.fr/doc/00113/22408/

Résumé : Les méthodes classiques d'analyse d'images satellites sont inadaptées au volume actuel du flux de données. L'automatisation de l'interprétation de ces images devient donc cruciale pour l'analyse et la gestion des phénomènes observables par satellite et évoluant dans le temps et l'espace. Ce travail vise à automatiser la cartographie dynamique de l'occupation du sol à partir d'images satellites, par des mécanismes expressifs, facilement interprétables en prenant en compte les aspects structurels de l'information géographique. Il s'inscrit dans le cadre de l'analyse d'images basée objet. Ainsi, un paramétrage supervisé d'un algorithme de segmentation d'images est proposé. Dans un deuxième temps, une méthode de classification supervisée d'objets géographiques est présentée combinant apprentissage automatique par programmation logique inductive et classement par l'approche multi-class rule set intersection. Ces approches sont appliquées à la cartographie de la bande côtière Guyanaise. Les résultats démontrent la faisabilité du paramétrage de la segmentation, mais également sa variabilité en fonction des classes de la carte de référence et des données d'entrée. Les résultats de la classification supervisée montrent qu'il est possible d'induire des règles de classification expressives, véhiculant des informations cohérentes et structurelles dans un contexte applicatif donnée et conduisant à des valeurs satisfaisantes de précision et de KAPPA (respectivement 84,6% et 0,7). Ce travail de thèse contribue ainsi à l'automatisation de la cartographie dynamique à partir d'images de télédétection et propose des perspectives originales et prometteuses.
Classical methods for satellite image analysis are inadequate for the current bulky data flow. Thus, automate the interpretation of such images becomes crucial for the analysis and management of phenomena changing in time and space, observable by satellite. Thus, this work aims at automating land cover cartography from satellite images, by expressive and easily interpretable mechanism, and by explicitly taking into account structural aspects of geographic information. It is part of the object-based image analysis framework, and assumes that it is possible to extract useful contextual knowledge from maps. Thus, a supervised parameterization methods of a segmentation algorithm is proposed. Secondly, a supervised classification of geographical objects is presented. It combines machine learning by inductive logic programming and the multi-class rule set intersection approach. These approaches are applied to the French Guiana coastline cartography. The results demonstrate the feasibility of the segmentation parameterization, but also its variability as a function of the reference map classes and of the input data. Yet, methodological developments allow to consider an operational implementation of such an approach. The results of the object supervised classification show that it is possible to induce expressive classification rules that convey consistent and structural information in a given application context and lead to reliable predictions, with overall accuracy and Kappa values equal to, respectively, 84,6% and 0,7. In conclusion, this work contributes to the automation of the dynamic cartography from remotely sensed images and proposes original and promising perpectives

http://www.theses.fr/2013AGUY0671/document

Éditeur(s) : HAL CCSD
Résumé : International audience
This paper deals with texture classification using a multifractal approach. More precisely we analyse the singularity/regularity exponent that compose the textures because they theoretically carry most of the information. The analysis is made using the Legendre spectrum. Then a parameter vector is computed to describe this spectrum in order to classify the textures with an unsupervised k-means classifier. The resulting algorithm is evaluated against a classification directly based on the textures.
ICSP Proceedings
Beijing, China

hal-00602270
https://hal.archives-ouvertes.fr/hal-00602270