Constellation, le dépôt institutionnel de l'Université du Québec à Chicoutimi

Architecture, logique floue, classification et clustering pour l’exploration de données réelles issues de multiples maisons intelligentes

Demongivert Cédric. (2021). Architecture, logique floue, classification et clustering pour l’exploration de données réelles issues de multiples maisons intelligentes. Thèse de doctorat, Université du Québec à Chicoutimi.

[thumbnail of Demongivert_uqac_0862D_10949.pdf] PDF
7MB

Résumé

Selon l’Organisation des Nations Unies (2019), il est estimé que le nombre de personnes âgées de 65 ans et plus dans le monde devrait doubler d’ici 2050 pour atteindre un total de 1,5 milliard d’individus. Cette évolution impacte le risque de déclarer une maladie neurodégénérative qui, selon le rapport de l’Alzheimer’s Disease International (2015), augmenterait exponentiellement avec l’âge. Or, ces maladies provoquent une perte progressive d’autonomie ce qui induit des besoins en ressources matérielles et humaines. En parallèle de ces enjeux, des progrès allient technologie et santé, comme le dépistage automatique du cancer du sein, présenté dans le travail de Karabatak (2015). Avec l’amélioration continue des environnements intelligents et du matériel, notamment suite à l’apparition de technologies comme l’Arduino (2005), la Rasbperry Pi (2012) ou la Latte Panda (2016), on est en droit d’imaginer les applications possibles de la maison intelligente aux problématiques posées par l’accroissement des maladies dégénératives. C’est ce que nous proposons dans cette thèse, où nous faisons le point sur les environnements intelligents et la reconnaissance d’activités. Point duquel nous dérivons deux propositions : d’une part, une architecture basée sur la gestion d’un flux d’événements descriptifs par des compositions d’agents autonomes permettant le support de plus de 30 environnements hétérogènes. D’autre part, une approche basée sur la logique floue permettant de conduire un processus de reconnaissance d’activités malgré la grande diversité de nos jeux de données. Ces deux solutions participant à l’élaboration d’un outil permettant aux cliniciens de suivre à distance, l’évolution du comportement de patients atteints de maladies dégénératives.

According to the United Nations (2019), the world population aged 65 years and more will double up to 1.5 billion individuals before 2050. This trend will impact the growth of neurodegenerative disorders that are subject to an exponential risk of appearance with aging, as reported by Alzheimer’s Disease International (2015). As this kind of disease induces a decrease in the autonomy of the elderly, this evolution will heavily increase the need for human and material resources around the world. In parallel, various research works combine technology and healthcare, like for the automatic breast cancer detection described in the article of Karabatak (2015). This tendency, in conjunction with hardware and intelligent environments improvement, notably with the Arduino (2005), the Rasbperry Pi (2012), and the Latte Panda (2016), affords us to imagine how smart-homes could solve the implications of the aforementioned growth of degenerative diseases. To investigate this question, this thesis derivates two proposals from a careful study of intelligent environments and activity recognition methods. The first is an architecture that supports more than 30 heterogeneous environments and that works by assembling autonomous agents for processing a flux of descriptive events. Finally, the second is a model built upon fuzzy logic that enables us to recognize activities despite the inherent diversity of our datasets. These two solutions answer some aspects of the process of making a tool that allows clinicians to monitor people with degenerative diseases from their homes.

Type de document:Thèse ou mémoire de l'UQAC (Thèse de doctorat)
Date:2021
Lieu de publication:Chicoutimi
Programme d'étude:Doctorat en sciences et technologies de l'information
Nombre de pages:269
ISBN:Non spécifié
Sujets:Sciences naturelles et génie > Génie > Génie informatique et génie logiciel
Sciences naturelles et génie > Sciences mathématiques > Informatique
Sciences de la santé > Sciences médicales > Gériatrie-gérontologie
Département, module, service et unité de recherche:Départements et modules > Département d'informatique et de mathématique > Programmes d'études de cycles supérieurs en informatique (doctorat)
Directeur(s), Co-directeur(s) et responsable(s):Bouchard, Kévin
Gaboury, Sébastien
Bouchard, Bruno
Mots-clés:apprentissage machine, architecture, logique floue, maison intelligente, maladie dégénérative, reconnaissance d'activité
Déposé le:21 nov. 2022 09:22
Dernière modification:29 nov. 2022 19:31
Afficher les statistiques de telechargements

Éditer le document (administrateurs uniquement)

Creative Commons LicenseSauf indication contraire, les documents archivés dans Constellation sont rendus disponibles selon les termes de la licence Creative Commons "Paternité, pas d'utilisation commerciale, pas de modification" 2.5 Canada.

Bibliothèque Paul-Émile-Boulet, UQAC
555, boulevard de l'Université
Chicoutimi (Québec)  CANADA G7H 2B1
418 545-5011, poste 5630