Comparaison de Données Structurelles à l'Aide d'Algorithmes Evolutionnaires

Structural Data Comparison using Evolutionary Algorithms

• Auteur / Autrice : Kieu Diem Ho
• Direction : Jean-Yves Ramel
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le ; Soutenance le 04/07/2022
• Etablissement(s) : Tours
• Ecole(s) doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire ; 2012-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Informatique Fondamentale et Appliquée de Tours
• Jury : Président / Présidente : Patrick Siarry
• Jury : Examinateurs / Examinatrices : Jean-Yves Ramel, Evelyne Lutton, Nicole Vincent, Nicolas Monmarche, Joseph Llados
• Jury : Rapporteur / Rapporteuse : Evelyne Lutton, Nicole Vincent

Mots clés

Mots clés libres

Reconnaissance des Formes

Appariement Multivalent de Graphes

Optimisation par Colonies de Fourmis

Méta-Heuristiques

Distance d'Edition sur Graphe

Données Structurelles

Pattern Recognition

Multivalent Graph Matching

Ant Colony Optimization

Meta-Heuristics

Extended Graph Edit Distance

Structural Data

Résumé

Les graphes sont des structures de données capables de décrire des entités complexes. Leurs propriétés leur procurent un intérêt particulier pour de nombreuses applications comme la bio-informatique, la vision par ordinateur ou l'analyse des réseaux sociaux. Les sommets du graphe correspondent aux sous-parties des objets et les arcs représentent les relations entre les sous-parties. Le problème de comparaison d'objets devient alors un problème de mise en correspondance de graphes. Dans ce domaine, la plupart des travaux traitent de l'appariement univalent entre graphes et peu d'études abordent le problème de l'appariement multivalent. Pour palier à cette lacune, dans cette thèse, nous fournissons d'abord une définition claire et précise de l'appariement multivalent de graphes basée sur une formulation étendue de la distance d'édition entre graphes. Ensuite, nous proposons d'utiliser la méta-heuristique d'optimisation par colonies de fourmis (ACO) pour résoudre ce problème combinatoire. Une stratégie de recherche locale est appliquée pour accélérer le temps de calcul de l'algorithme ACO. La distance d'édition étendue proposée est évaluée sur un ensemble de données d'images de symboles, démontrant de bonnes performances pour les tâches de classification et pour la mise en correspondance de sous-parties d'objets dans des contextes bruités.

Graphs are data structures capable of describing complex entities. Their properties make them particularly interesting for many applications such as bioinformatics, computer vision or social network analysis. The vertices of the graph correspond to the subparts of the objects and the arcs represent the relations between the subparts. The object comparison problem then becomes a graph matching problem. In this field, most of the works deal with univalent matching between graphs and few studies address the problem of multivalent matching. To overcome this gap, in this thesis, we first provide a clear and precise definition of multivalent graph matching based on an extended formulation of the edit distance between graphs. Then, we propose to use ant colony optimization (ACO) meta-heuristics to solve this combinatorial problem. A local search strategy is applied to speed up the computation time of the ACO algorithm. The proposed extended edition distance is evaluated on a symbol image dataset, demonstrating good performance for classification tasks and for matching object subparts in noisy contexts.