Analyse et visualisation pour l'étude de la qualité des séries temporelles de données imparfaites

Analysis and visualization for studying the quality of imperfect data time series

• Auteur / Autrice : Zied Ben othmane
• Direction : Cyril de Runz
• Type : Thèse de doctorat
• Discipline(s) : Info - Informatique
• Date : Soutenance le 23/01/2020
• Etablissement(s) : Reims
• Ecole(s) doctorale(s) : École doctorale Sciences du Numérique et de l’Ingénieur (Reims ; 2018-)
• Partenaire(s) de recherche : Laboratoire : Centre de Recherche en Sciences et Technologies de l'Information et de la Communication (Reims, Marne ; 2004-....)
• Jury : Président / Présidente : Hacène Fouchal
• Jury : Examinateurs / Examinatrices : Cyril de Runz, Baya Lydia Boudjeloud-Assala, Arnaud Martin, Allel Hadjali, Amine Aït Younes
• Jury : Rapporteurs / Rapporteuses : Baya Lydia Boudjeloud-Assala, Arnaud Martin

Mots clés

Mots clés contrôlés

Gestion de l'information

Web

Ressources Internet

Séries chronologiques

Mots clés libres

Qualité

Variabilité

Données imparfaites

Fouille de données

Visualisation

Séries temporelles

Quality

Variability

Imperfect data

Data mining

Visualization

Time series

Résumé

Dans ce travail de thèse, nous nous intéressons à la qualité des informations récoltées par des capteurs sur le web. Ces données forment des séries de données temporelles qui sont incomplètes et imprécises, et sont sur des échelles quantitatives peu comparables. Dans ce contexte, nous nous intéressons plus particulièrement à la variabilité et la stabilité de ces séries temporelles. Nous proposons deux approches pour les quantifier. La première se base sur une représentation à l'aide des quantiles, la seconde est une approche floue. A l'aide de ces indicateurs, nous proposons un outil de visualisation interactive dédié à l'analyse de la qualité des récoltes effectuées par les capteurs. Ce travail s'inscrit dans une collaboration CIFRE avec la société Kantar.

This thesis focuses on the quality of the information collected by sensors on the web. These data form time series that are incomplete, imprecise, and are on quantitative scales that are not very comparable. In this context, we are particularly interested in the variability and stability of these time series. We propose two approaches to quantify them. The first is based on a representation using quantiles, the second is a fuzzy approach. Using these indicators, we propose an interactive visualization tool dedicated to the analysis of the quality of the harvest carried out by the sensors. This work is part of a CIFRE collaboration with Kantar.