Prédiction et reconnaissance d`activités dans un habitat intelligent

THÈSE
PRÉSENTÉE À
L’UNIVERSITÉ DU QUÉBEC À CHICOUTIMI
COMME EXIGENCE PARTIELLE
DU DOCTORAT EN SCIENCES ET TECHNOLOGIES DE L’INFORMATION
Par
MOHAMED TARIK MOUTACALLI
Prédiction et reconnaissance d’activités dans un habitat intelligent
basées sur les séries temporelles et la fouille de données temporelles
Aout 2015

II
Résumé
L'assistance traditionnelle d'une personne atteinte de la maladie d'Alzheimer est une tâche difficile,
coûteuse et complexe. La nécessité d’avoir une personne aidante presque tout le temps avec le patient
épuise les ressources humaines et financières du système de santé. De plus, la relation est souvent
compliquée entre l'aidant et le patient qui souhaite préserver son intimité. L'émergence du domaine de
l'intelligence ambiante a permis la conception d’une assistance technologique où un agent artificiel, appelé
aussi agent ambiant, vient aider et diminuer le temps passé par l’aidant dans l’habitat du patient.
Comme dans l’assistance traditionnelle, l’agent ambiant observe le patient ou son environnement
en analysant les mesures envoyées par les différents senseurs installés dans la maison qui est nommée par
ce fait un habitat intelligent. Préférablement d’une façon non supervisée, l’agent ambiant se doit
d’apprendre le comportement normal du patient qui peut se traduire par la création d’une structure qui
définit les différentes activités de la vie quotidienne (AVQ) que le patient est habitué à effectuer. Ensuite,
grâce à l’heure courante et aux récentes actions détectées, l’agent ambiant va essayer de reconnaître
l’activité entamée par le patient pour être en mesure de détecter des erreurs et proposer de l’aide en
comparant les comportements normaux aux récentes actions détectées.
Plusieurs problèmes caractérisent cette nouvelle assistance, mais le plus grand défi de cette
solution, qui réside dans l’étape de reconnaissance d’activités, est causé par le nombre très élevé des AVQs
que nous appelons aussi le nombre d'hypothèses. En effet, comme chaque activité se compose de plusieurs
actions, la reconnaissance d’activités se traduit donc par la recherche des récentes actions détectées parmi
toutes les actions de toutes les AVQs, et ce, en temps réel.
Dans cette thèse, nous proposons des contributions dans les différentes étapes de l’assistance
technologique. Nous répondons essentiellement à la problématique de la reconnaissance d’activités par la
réduction maximale, à un instant précis, du nombre d'hypothèses. Tout d’abord, nous explorons la fouille
de données temporelles et nous présentons notre propre algorithme de création de comportements normaux
d’une façon non supervisée. L’algorithme analyse l'historique des senseurs activés afin de découvrir les
motifs fréquents fermés qui représentent les modèles d’activités. Ensuite, nous explorons les séries

III
temporelles pour choisir la technique de prédiction la plus adéquate à la prédiction des temps de débuts des
différentes AVQs. Une méthode probabiliste est détaillée par la suite pour réduire le nombre d’hypothèses
et reconnaître l’activité entamée. Nous terminons notre approche par l’utilisation des séries temporelles
multivariées pour la prédiction du temps d’activation de chaque senseur de l’activité reconnue, ce qui aide
l’agent ambiant à bien choisir le moment d’intervention pour proposer de l’aide, si nécessaire.
Notre approche se base essentiellement sur l'aspect temporel et n'offre pas juste une solution à la
problématique de la reconnaissance d'activités, mais elle répond aussi à différentes erreurs, dont celles
susceptibles d'être commises par les malades d’Alzheimer comme les erreurs d'initiations qui les
empêchent d’amorcer des activités. La validation de notre approche et les tests de ses différentes étapes ont
été effectués avec des données réelles enregistrées dans le Laboratoire d’Intelligence Ambiante pour la
Reconnaissance d’Activités (LIARA) et les résultats sont satisfaisants.

IV
Remerciements
En préambule à cette thèse, je tiens à remercier mes directeurs de recherche,
M.Abdenour BOUZOUANE et M.Bruno BOUCHARD, qui m’ont accueilli dans leur
équipe et m’ont permis de mener à bien mes recherches. Je les remercie pour leur soutien,
leur encouragement et pour le temps qu’ils m’ont consacré pour des discussions très
fructueuses qui ont orienté mon travail et participé à son aboutissement.
Mes remerciements s'adressent également au Fonds de Recherches du Québec –
Nature et Technologies (FQRNT) pour leur bourse d’excellence qui m’a aidé à me
concentrer plus sur mon travail de recherche sans me soucier des problèmes financiers.
Bien sûr, je ne peux terminer sans remercier mes parents et ma femme pour leur
soutien, leur encouragement et leur patience.

V
Table des matières
Résumé ______________________________________________________________________ II
Remerciements ______________________________________________________________ IV
Liste des Figures _____________________________________________________________ VIII
Liste des Tableaux ____________________________________________________________ IX
Liste des Algorithmes ___________________________________________________________ X
Liste des Graphes _____________________________________________________________ XI
Liste des Acronymes ___________________________________________________________ XII
Chapitre 1 - Introduction ________________________________________________________ 1
1.1 Contexte _____________________________________________________________ 1
1.2 La maladie d'Alzheimer _________________________________________________ 3
1.3 Problématique générale _________________________________________________ 7
1.4 Les catégories des approches de reconnaissance d'activités ____________________ 11
1.4.1 Les approches logiques_____________________________________________ 11
1.4.2 Les approches probabilistes _________________________________________ 14
1.4.3 Les approches basées sur l’apprentissage automatique ___________________ 16
1.5 Contribution _________________________________________________________ 18
1.6 Objectifs et méthodologie de la recherche _________________________________ 21
1.7 Organisation de la thèse ________________________________________________ 22
Chapitre 2 - Fouille de données temporelles ________________________________________ 25
2.1 Introduction _________________________________________________________ 25
2.2 Les origines de la fouille de données ______________________________________ 27
2.3 Définition de la fouille de données _______________________________________ 29
2.4 Les étapes du processus de la fouille de données ____________________________ 30
2.5 La fouille de données temporelles ________________________________________ 33
2.6 Techniques de la fouille de données temporelles ____________________________ 35
2.6.1 La classification ___________________________________________________ 36
2.6.2 La segmentation __________________________________________________ 38
2.6.3 La découverte de règles d'association _________________________________ 41
2.7 Conclusion __________________________________________________________ 48