Recherche par similarité dans les espaces élevé-dimensionnels avec des applications sur l'exploration de données et la recherche d'information des séries temporelles

Similarity search in high-dimensional spaces with applications to time series data mining and information retrieval

• Auteur / Autrice : Muhammad Marwan Muhammad Fuad
• Direction : Pierre-François Marteau
• Type : Thèse de doctorat
• Discipline(s) : STIC
• Date : Soutenance en 2011
• Etablissement(s) : Lorient
• Ecole(s) doctorale(s) : École doctorale Santé, information-communication et mathématiques, matière (Brest, Finistère)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Recherche en Informatique et ses Applications de Vannes et Lorient (Vannes)
• Partenaire(s) de recherche : autre partenaire : Université européenne de Bretagne (2007-2016)

Mots clés

Mots clés contrôlés

Recherche de l'information

Exploration de données

Indexation automatique

Bases de données -- Interrogation

Mots clés libres

Recherche par similarité

Résumé

Nous présentons le problème de recherche par similarité qui est l'un des principaux problèmes de récupération de l'information et l'exploration de données. Nous abordons ce problème essentiellement du point de vue d’espace métrique. Nous nous concentrons sur des séries temporelles, mais notre objectif général est de développer des méthodes et des algorithmes qui peuvent être étendus à d'autres types de données. Nous étudions de nouvelles méthodes pour traiter le problème de recherche par similarité dans des espaces élevé-dimensionnels. Les nouvelles méthodes et algorithmes que nous introduisons sont largement testés et ils montrent leur supériorité sur les autres méthodes et algorithmes dans la littérature.

We present one of the main problems in information retrieval and data mining, which is the similarity search problem. We address this problem mainly from a metricperspective. We focus on time series data, but our general objective is to develop methods and algorithms that can be extended to other data types. We investigate new methods to handle the similarity search problem in high-dimensional spaces. The novel methods and algorithms we introduce are tested extensively and they show superiority over other methods and algorithms in the literature.