Fusion pratique et conditionnement hétérogène à partir d'informations incertaines

Practical fusion and heterogeneous conditioning from uncertain informations

• Auteur / Autrice : Omar Et-targuy
• Direction : Salem Benferhat, Carole Delenne, Ahlame Begdouri
• Type : Projet de thèse
• Discipline(s) : Informatique et applications
• Date : Inscription en doctorat le 01/10/2022
• Etablissement(s) : Artois en cotutelle avec Université Sidi Mohamed Ben Abdellah
• Ecole(s) doctorale(s) : École doctorale Sciences, technologie et santé (Amiens)
• Partenaire(s) de recherche : Laboratoire : CRIL - Centre de recherche en informatique de Lens

Mots clés

Mots clés libres

Données des réseaux d'assainissement

Conditionnement hétérogène

Fusion d'informations incertaines

Théorie des possibilités et théorie de Dempster/Shafer

Wastewater networks data

Heterogeneous conditioning

Fusion of uncertain informations

Possibility theory and Dempster/Shafer theory.

Résumé

Cette thèse s'inscrit dans le cadre du Work Package 2 du projet ANR CROQUIS ('CROQUIS : Collecting, Representing, cOmpleting, merging and Querying heterogeneous and UncertaIn waStewater and stormwater network data”). Elle concerne d'abord le problème de la mise à jour des bases de connaissances incertaines, en présence de nouvelles informations représentées par une séquence d'observations hétérogènes. Les méthodes de conditionnement existantes ne sont pas adaptées pour traiter des informations et des données de natures différentes et pour traiter des séquences d'interventions (actions externes) et d'observations incertaines. Le premier objectif de cette thèse est de développer de nouveaux opérateurs de conditionnement hétérogènes; aussi bien au niveau sémantique qu'au niveau syntaxique. L'idée est de proposer une contrepartie possibiliste du conditionnement de Fagin-Halpern (défini dans la théorie de Dempster/Shafer) en présence d'observations incertaines et d'interventions. La deuxième partie de la thèse concerne la fusion des données de réseaux d'assainissement multi-sources. Ces données ont la particularité d'être constituées à la fois d'éléments géométriques et d'une base d'attributs sémantiques; qui seront représentées par des graphes. Les informations incertaines seront représentées dans le cadre de la théorie des possibilités et des fonctions de croyance. L'objectif est alors de définir une approche générique pour la détection et la correction des différents types d'imperfections dans l'appariement des objets géographiques lors de la fusion de données et d'information incertaines.

This thesis is part of the Work Package 2 of the ANR CROQUIS project ('CROQUIS: Collecting, Representing, cOmpleting, merging and Querying heterogeneous and UncertaIn waStewater and stormwater network data'). It deals first with the problem of updating uncertain knowledge bases in the presence of new information represented by a sequence of heterogeneous observations. The existing conditioning methods are not adapted to handle information and data of different natures and to handle sequences of interventions (external actions) and uncertain observations. The first objective of this thesis is to develop new heterogeneous conditioning operators; both at the semantic and syntactic levels. The idea is to propose a possibilist counterpart of the Fagin-Halpern conditioning (defined in the Dempster/Shafer theory) in the presence of uncertain observations and interventions. The second part of this thesis concerns the fusion of multi-source wastewater networks data. These data have the particularity of being composed of both geometric elements and a base of semantic attributes; which graphs will represent. The uncertain information will be represented in the possibility theory and belief theory frameworks. The objective is to define a generic approach for the detection and correction of different types of imperfections in the matching of geographical objects when fusing uncertain data and informations.