NantilusBehavior recognition on noisy data-streams constrained by complex prior knowledge
Le traitement d événements complexes (Complex Event Processing CEP) consiste en l analyse de flux de données afin den extraire des motifs et comportements particuliers décrits, en général, dans un formalisme logique. Dans l approche classique, les données d un flux ou événements sont supposées être...
Enregistré dans:
| Auteur principal : | |
|---|---|
| Collectivités auteurs : | , , , |
| Autres auteurs : | , |
| Format : | Thèse ou mémoire |
| Langue : | anglais |
| Titre complet : | Behavior recognition on noisy data-streams constrained by complex prior knowledge / Romain Rincé; sous la direction de Philippe Leray et de Romain Kervarc |
| Publié : |
2018 |
| Accès en ligne : |
Accès Nantes Université
|
| Note sur l'URL : | Accès au texte intégral |
| Note de thèse : | Thèse de doctorat : Informatique : Nantes : 2018 |
| Sujets : |
| LEADER | 06714nlm a2200625 4500 | ||
|---|---|---|---|
| 001 | PPN238428451 | ||
| 003 | http://www.sudoc.fr/238428451 | ||
| 005 | 20240531154600.0 | ||
| 029 | |a FR |b 2018NANT4085 | ||
| 033 | |a http://www.theses.fr/2018NANT4085 | ||
| 035 | |a STAR114909 | ||
| 100 | |a 20191003d2018 k y0frey0103 ba | ||
| 101 | 0 | |a eng |d fre |d eng | |
| 102 | |a FR | ||
| 105 | |a y ma 00|yy | ||
| 135 | |a dr||||||||||| | ||
| 181 | |6 z01 |c txt |2 rdacontent | ||
| 181 | 1 | |6 z01 |a i# |b xxxe## | |
| 182 | |6 z01 |c c |2 rdamedia | ||
| 182 | 1 | |6 z01 |a b | |
| 183 | 1 | |6 z01 |a ceb |2 rdacarrier | |
| 200 | 1 | |a Behavior recognition on noisy data-streams constrained by complex prior knowledge |f Romain Rincé |g sous la direction de Philippe Leray et de Romain Kervarc | |
| 210 | 1 | |d 2018 | |
| 230 | |a Données textuelles | ||
| 304 | |a Titre provenant de l'écran-titre | ||
| 314 | |a Ecole(s) Doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes) | ||
| 314 | |a Partenaire(s) de recherche : Université Bretagne Loire (COMUE), Laboratoire des sciences du numérique de Nantes (Laboratoire) | ||
| 314 | |a Autre(s) contribution(s) : Céline Rouveirol (Président du jury) ; Benoît Delahaye (Membre(s) du jury) ; Thomas Schiex, Audine Subias (Rapporteur(s)) | ||
| 328 | 0 | |b Thèse de doctorat |c Informatique |e Nantes |d 2018 | |
| 330 | |a Le traitement d événements complexes (Complex Event Processing CEP) consiste en l analyse de flux de données afin den extraire des motifs et comportements particuliers décrits, en général, dans un formalisme logique. Dans l approche classique, les données d un flux ou événements sont supposées être l observation complète et parfaite du système produisant ces événements. Cependant, dans de nombreux cas, les moyens permettant la collecte de ces données, tels que des capteurs, ne sont pas pour autant infaillibles et peuvent manquer la détection d un événement particulier ou au contraire en produire. Dans cette thèse, nous nous sommes employé à étudier les modèles possibles de représentation de l incertain et, ainsi, offrir au CEP une robustesse vis-à-vis de cette incertitude ainsi que les outils nécessaires pour permettre la reconnaissance de comportement complexe de façon pertinente les flux d événements en se basant sur le formalisme des chroniques. Dans cette optique, trois approches ont été considérées. La première se base sur les réseaux logiques de Markov pour représenter la structure des chroniques sous un ensemble de formules logiques adjointe dune valeur de confiance. Nous montrons que ce modèle, bien que largement appliqué dans la littérature, est inapplicable pour une application concrète au regard des dimensions d un tel problème. La seconde approche se basent sur des techniques issues de la communauté SAT pour énumérer l ensemble des solutions possibles d un problème donné et ainsi produire une valeur de confiance pour la reconnaissance dune chronique exprimée, encore une fois, sous une requête logique. Finalement, nous proposons une dernière approche basée sur les chaînes de Markov pour produire un ensemble d échantillons expliquant l évolution du modèle en accord avec les données observées. Ces échantillons sont ensuite analysés par en système de reconnaissance pour compter les occurrences dune chronique particulière. | ||
| 330 | |a Complex Event Processing (CEP) consists of the analysis of data-streams in order to extract particular patterns and behaviours described, in general, in a logical formalism. In the classical approach, data of a stream or events are supposed to be the complete and perfect observation of the system producing these events. However, in many cases, the means for collecting such data, such as sensors, are not infallible and may miss the detection of a particular event or on the contrary produce. In this thesis, we have studied the possible models of representation of uncertainty and, thus, to offer the CEP a robustness to this uncertainty as well as the necessary tools to allow the recognition of complex behaviours based on the chronicle formalism. In this perspective, three approaches have been considered. The first one is based on Markov logical networks to represent the structure of the chronicles under a set of logical formulas of a confidence value. We show that this model, although widely applied in the literature, is inapplicable for a realistic application with regard to the dimensions of such a problem. The second approach is based on techniques from the SAT community to enumerate all possible solutions of a given problem and thus to produce a confidence value for the recognition of a chronicle expressed, again, under a logical structure. Finally, we propose a last approach based on the Markov chains to produce a set of samples explaining the evolution of the model in agreement with the observed data. These samples are then analysed by a recognition system to count the occurrences of a particular chronicle. | ||
| 337 | |a Configuration requise : un logiciel capable de lire un fichier au format : PDF | ||
| 606 | |3 PPN167934880 |a Traitement d'événements (informatique) |3 PPN027253139 |x Thèses et écrits académiques |2 rameau | ||
| 606 | |3 PPN027238660 |a Markov, Processus de |3 PPN027253139 |x Thèses et écrits académiques |2 rameau | ||
| 606 | |3 PPN031520936 |a Incertitude (théorie de l'information) |3 PPN027253139 |x Thèses et écrits académiques |2 rameau | ||
| 610 | 0 | |a ProbLog | |
| 610 | 0 | |a WalkSAT | |
| 686 | |a 004 |2 TEF | ||
| 700 | 1 | |3 PPN238427889 |a Rincé |b Romain |f 1989-.... |4 070 | |
| 702 | 1 | |3 PPN116302011 |a Leray |b Philippe |c informaticien |4 727 | |
| 702 | 1 | |3 PPN117282812 |a Kervarc |b Romain |4 727 | |
| 702 | 1 | |3 PPN069034273 |a Rouveirol |b Céline |4 956 | |
| 702 | 1 | |3 PPN057033935 |a Schiex |b Thomas |f 1965-.... |4 958 | |
| 702 | 1 | |3 PPN080646956 |a Subias |b Audine |f 19..-.... |4 958 | |
| 702 | 1 | |3 PPN148063128 |a Delahaye |b Benoît |f 1982-.... |4 555 | |
| 712 | 0 | 2 | |3 PPN026403447 |a Université de Nantes |c 1962-2021 |4 295 |
| 712 | 0 | 2 | |3 PPN204770424 |a École doctorale Mathématiques et sciences et technologies de l'information et de la communication |c Rennes |4 996 |
| 712 | 0 | 2 | |3 PPN191639044 |a Université Bretagne Loire |c 2016-2019 |4 985 |
| 712 | 0 | 2 | |3 PPN203637585 |a Laboratoire des Sciences du Numérique de Nantes |4 981 |
| 801 | 3 | |a FR |b Abes |c 20191003 |g AFNOR | |
| 856 | 4 | |q PDF |s 7875640 |u http://www.theses.fr/2018NANT4085/document |z Accès au texte intégral | |
| 856 | 4 | |u http://www.theses.fr/2018NANT4085/abes | |
| 930 | |5 441099901:645280054 |b 441099901 |j g | ||
| 991 | |5 441099901:645280054 |a exemplaire créé automatiquement par STAR | ||
| 998 | |a 856303 | ||