une approche basée sur l`analyse des séquences pour la

UNE APPROCHE BASÉE SUR L’ANALYSE DES
SÉQUENCES POUR LA RECONNAISSANCE DES
ACTIVITÉS ET COMPORTEMENTS DANS LES
ENVIRONNEMENTS INTELLIGENTS
par
Belkacem Chikhaoui
Thèse présentée au Département d’informatique
en vue de l’obtention du grade de philosophiæ doctor (Ph.D.)
FACULTÉ DES SCIENCES
UNIVERSITÉ DE SHERBROOKE
Sherbrooke, Québec, Canada, 17 décembre 2013

Le 09-12-2013
le jury a accepté la thèse de Monsieur Belkacem Chikhaoui
dans sa version finale.
Membres du jury
Professeur Shengrui Wang
Directeur de recherche
Département d’informatique
Professeure Hélène Pigot
Co-directrice de recherche
Département d’informatique
Professeur Abdenour Bouzouane
Évaluateur externe
Université de Chicoutimi
Professeur Jean-Pierre Dussault
Évaluateur interne
Département d’informatique
Professeur Marc Frappier
Président rapporteur
Département d’informatique

Sommaire
Cette thèse vise à étudier deux problématiques différentes : 1) la reconnaissance
des activités de la vie quotidienne des personnes dans un habitat intelligent, et 2) la
construction du profil comportemental de la personne. Nos contributions sont présen-
tées dans deux chapitres illustrant les solutions proposées. La première contribution
de cette thèse est liée à l’introduction d’une nouvelle approche non supervisée de
reconnaissance d’activités nommée ADR-SPLDA (Activity Discovery and Recogni-
tion using Sequential Patterns and Latent Dirichlet Allocation). Contrairement aux
approches existantes, ADR-SPLDA permet la découverte et la reconnaissance des
activités de façon non supervisée sans faire nécessairement recours à l’annotation des
données. En outre, ADR-SPLDA est basée sur l’analyse de patrons fréquents, ce qui
permet de réduire significativement la quantité du bruit dans les données. La fiabilité
de ADR-SPLDA est illustrée à travers une série de tests et de comparaisons avec les
approches existantes sur une variété de données réelles.
Le deuxième travail vise la construction du profil comportemental de la personne
en se basant sur ses activités. Nous avons développé une approche qui permet de
découvrir les différents comportements dans les séquences, et d’extraire les relations
causales entre les différents comportements. Notre contribution inclut l’introduction
de l’analyse causale dans la construction du profil, ce qui nous a permis aussi de
découvrir les relations causales entre les différentes activités. Une série de tests a été
également effectuée pour illustrer la fiabilité de notre approche sur une variété de
données. Le travail de recherche entrepris dans cette thèse constitue l’une des nom-
breuses étapes importantes dans l’accomplissement d’un système d’assistance efficace
dans l’objectif d’assurer le bien-être des personnes.
i

Remerciements
Je tiens à remercier sincèrement mes directeurs de recherche, le professeur Shengrui
Wang, et la professeure Hélène Pigot, pour la pertinence de leur encadrement, leurs
valeureux conseils et encouragements, et surtout pour leurs qualités humaines. Leur
rigueur scientifique, leurs conseils judicieux et leur disponibilité tout au long de cette
thèse ont joué un rôle déterminant et m’ont permis de mener à terme ce travail de
recherche avec les qualités escomptées. Avec mes directeurs de recherche, j’ai appris
la flexibilité, l’efficacité et la patience. Ils demeurent des professeurs envers qui j’ai
beaucoup de respect.
Je remercie également le Conseil de Recherches en Sciences naturelles et en Génie
du Canada pour le soutien financier durant deux ans.
Je ne peux oublier de remercier ma famille : ma mère, mon père, mes frères et ma
soeur pour leur soutien et leurs encouragements durant toute cette période.
Mes vifs remerciements vont particulièrement à ma femme. Merci de m’avoir sou-
tenu et encouragé dans les moments difficiles. Merci d’être aussi patiente avec moi.
Merci pour tout.
ii

Abréviations
LDA Latent Dirichlet Allocation
HMM Hidden Markov Model
BN Réseau Bayésien (Bayesian Network)
NB Bayésien Naif (Naive Bayes)
TE Transfert d’Entropie
iii