Menu principal

Extraction de connaissances à partir de grands graphes spatio-temporels – application à hydroécologie et à la télédétection

 

Valoriser les grandes masses de données spatio-temporelles dans le champs de l’environnement est crucial. Ceci nécessite de concevoir et développer de nouvelles approches aptes à traiter conjointement les aspects spatiaux et les aspects temporels. Si les graphes, outils puissants à la fois théoriquement et méthodologiquement, sont utilisés pour modéliser des phénomènes temporels ou spatiaux, les méthodes actuelles de fouille, d’analyse et d’extraction de connaissances n’exploitent, en général, qu’une seule dimension de l’information, spatiale versus temporelle. Afin d’extraire des connaissances pertinentes de données telles que les images satellites ou des données environnementales (suivi de de l’état des rivières, par exemple), en combinant à la fois les aspects spatiaux et temporels, nous nous intéressons au modèle des graphes spatio-temporels. L'objectif général de la thèse est alors d'étudier et développer des techniques pour extraire des connaissances à partir de grands graphes spatio-temporels. Différentes questions devront être abordées de manière itérative : la simplification des graphes, la recherche de motifs spatio-temporels, la construction d’une synthèse interprétable par les experts, et la généralisation des graphes. Le pipeline générique développé visera à répondre à des problématiques actuelles liées à la valorisation de grandes masses de données spatio-temporelles en télédétection et hydroécologie.

 


Mots-clés
extraction de connaissaces; graphe; Science des données
Établissement
Université de Strasbourg
67081 Strasbourg  
Directeur
Florence Le Ber
Co-encadrants
Aurélie Leborgne, Stella Marc-Zwecker
Site Web
https://sdc.icube.unistra.fr/en/index.php/Open_internship,_PhD_and_post-doc_positions
Date de début souhaitée
01/09/2021
Langues obligatoires
Français
Prérequis

Master 2 en Informatique ou équivalent, moyenne supérieure à 12, très bon classement (selon critères de l'école doctorale)
• Formation en logique, graphes et programmation
• Curiosité, capacité à appréhender différents domaines et à interagir avec les experts de ces domaines

Date limite
31/05/2021
Informations de contact

florence.leber at engees.unistra.fr, aurelie.leborgne at unistra.fr