Dans le cadre de la combinaison de classifieurs, une étape de calibration, fondée sur la régression logistique, est généralement utilisée pour transformer indépendamment chaque sortie de classifieur en distribution de probabilité pour ensuite les combiner. Afin de mieux gérer les incertitudes cette calibration a récemment été redéfinie dans le cadre des fonctions de croyance. Dans cet article, nous proposons de calibrer conjointement les classifieurs en utilisant la régression logistique multiple, et d'étendre cette approche au cadre des fonctions de croyance. Notre approche évidentielle est testée sur des données simulées et réelles avec des classifieurs SVM binaires, et présente plusieurs avantages par rapport à sa version probabiliste et par rapport à l'approche évidentielle calibrant indépendamment chaque classifieur.
Ce papier porte sur deux modèles du problème de tournées de véhicules avec capacité (CVRP, en abrégé, pour Capacitated Vehicle Routing Problem) où les demandes des clients sont incertaines et représentées en utilisant la théorie de l'évidence. Le premier modèle, appelé CVRP Belief-Constrained Programming, est une extension de l'approche Chance-Constrained Programming en programmation stochastique, o`u la contrainte en probabilité est remplacée par deux contraintes évidentielles, i.e., nous imposons des bornes minimales pour la croyance et la plausibilité que la somme des demandes sur chaque route respecte la capacité. Le deuxième modèle, appelé CVRP with Evidential Recourses, étend l'approche dite de recours : si le véhicule arrive à un certain client et ne peut pas satisfaire sa demande, il doit retourner au dépôt et revenir au client. L'incertitude sur les recours possibles sur chaque route est représentée par une fonction de croyance et le coût d'une route est alors son coût classique (sans recours) additionné du pire coût espéré des recours. Des tests numériques sont présentés pour les deux modèles.
Dans cet article, une première étude est réalisée sur des mécanismes d'affaiblissement permettant l'ajustement de fonctions de croyance en se basant sur les résultats fournis par une matrice de confusion. Pour ce faire, trois approches basées sur des affaiblissements sont exposés. Ces méthodes permettent l'estimation des coefficients d'affaiblissement attribués à une source, afin de corriger ses décisions brutes, et ce en tenant compte des décisions apprises et offertes par la matrice de confusion. Ces ajustements diffèrent selon qu'un affaiblissement classique et contextuel est employé. Ces méthodes sont illustrés sur un exemple mettant en avant leurs intérêts respectifs. In this papier, a pre-study is performed on mechanisms allowing the adjustment of belief functions based on the results provided by a confusion matrix. To this end, three different approaches based on discountings are displayed. These methods allow the estimation of discounting rates assigned to a source to correct its row data by taking into account learnt decisions given by the confusion matrix. These adjustments differ depending on whether a traditional or contextual discounting is realized. These methods are illustrated with an example highlighting their respective interests.
Dans cet article, on s'intéresse au problème de poursuite et de classification simultanées de plusieurs cibles. Ce travail est à rapprocher de celui de Smets et Ristic. L'article est préliminaire et fédère des approches de plusieurs travaux. L'étape de poursuite sera assurée par des filtres de Kalman et d'IMM (Interacting Multiple Model) classiques, seule l'étape de classification est assurée par des fonctions de croyance. Les objets à classer sont invariants dans le temps, et il n'y a donc pas d'étape de détection ou de suppression de cibles. Une comparaison sur un problème de poursuite d'avions permet d'illustrer quelques différences avec l'approche Bayésienne. In this paper, we study the problem of joint tracking and classification of several targets. Targets are considered to be known and sufficiently separated so that they cannot be confused. Our goal is to shed light on the contribution of credal classification over the Bayesian classification. Our job is to track the movement of targets using conventional Kalman filters and IMMs, and compare the performances of credal and Bayesian classification.
Dans cet article, une méthode de diagnostic de machines électriques, exploitant des mesures de champs magnétiques, est présentée. L'approche est couplée à un processus de fusion d'informations basé sur les fonctions de croyance. Une étude antérieure a montré qu'il était possible de détecter un défaut sur le bobinage d'un moteur à l'aide d'une méthode non-invasive. Celle-ci est basée sur l'analyse des variations du champ magnétique à l'extérieur de la machine lorsque la charge varie. Plusieurs mesures autour de la machine sont nécessaires afin d'augmenter la probabilité de détection de défaut car la position du défaut par rapport au capteur influence de façon importante le résultat. Ainsi dans cet article, l'ensemble des mesures sont utilisées afin d'obtenir un diagnostic plus fiable et d'augmenter la probabilité de détection des défauts. La fusion des mesures est réalisée dans le cadre de la théorie des fonctions de croyance. Cette approche est testée sur des mesures réelles. In this paper, a method for diagnosis of AC machines using the magnetic field is presented. The method is associated to a fusion process based on belief functions. In previous works, it has been shown that it was possible to detect fault in the stator windings of electrical machines using a noninvasive method. It is based on the analysis of the variation of the magnetic field outside of the machine when the load varies. Several measurements around the machine are necessary to increase the probability of the fault detection because the fault position relatively to the sensor can strongly influence the results. So in this paper, it is proposed to exploit conjointly all the measurements in order to obtain a more robust and reliable diagnostic and to increase the probability of detecting the fault. The merging of the different estimations being realized in the framework of belief functions. This approach is tested on real measurements.
Cet article introduit un système basé sur des fonctions de croyance pour l'échange et la gestion d'informations imparfaites portant sur des événements dans la communication inter-véhicules (VANET). Ce modèle est implémenté sous Matlab afin d'être testé. This paper introduces a system using belief functions for exchanging and managing imperfect information about events in vehicular networks (VANET). This model is implemented with Matlab in order to be tested.
Dans cet article, nous nous intéressons à la correction de fonctions de croyance et plus particulièrement à l'estimation de méta-connaissances nécessaire à la mise en place de ces corrections. Les méta-connaissances permettent de caractériser l'état dans lequel la source se trouve (par exemple : pertinente ou non, sincère ou non). Avec ces méta-connaissances, on peut donc corriger la fonction de croyance initialement donnée par la source d'information. Notre application concerne la fusion de classifieurs. Ainsi dans notre cas, les métaconnaissances sont estimées à partir de matrices de confusion. Les fonctions de croyance corrigées sont des fonctions catégoriques définies à partir des décisions fournies par les classifieurs. In this paper, we are interested in the correction of belief functions, and more particularly the estimation of meta-knowledge needed for making these corrections. The meta-knowledge allow us to define the state in which the source is (for example : relevant or not, truthful or not). With these meta-knowledge, we can thus correct belief function initially given by the information source. Our application concerns the fusion of classifiers. So in our case, the meta-knowledge are estimated from confusion matrices. The corrected belief functions are categorical functions defined from the decisions induced from classifiers.
Les sources d'énergie renouvelable (EnR) ont des caractéristiques qui limitent l'intégration de la production à la consommation électrique. Des travaux récents ont montré la pertinence des systèmes multi-agents pour la gestion de la production renouvelable et/ou distribuée. Le projet Winpower 1 a pour objectif l'intégration de la production d'un ensemble de fermes éoliennes off-shore (et autres producteurs d'EnR). Pour optimiser leur interaction avec le marché de l'énergie, Winpower propose une association avec des centres de stockage et une interconnexion HVDC (réseau à courant continu à haute tension). Pour piloter l'ensemble, nous proposons une approche hiérarchique qui permet d'une part de gérer les dynamiques locales et d'autre part d'optimiser l'interaction avec le marché tout en respectant les contraintes globales du réseau (stabilité, pertes). Nous présentons nos travaux sur l'architecture multi-agent et les protocoles de communication conçus pour le pilotage de haut niveau du systèmeWinpower. The integration of the renewable production in the consumption is limited by the characteristics of the Renewable Energy Sources (RES). Recent studies have shown the relevance of multi-agent systems for the management of distributed renewable generation. Winpower1 is a project which aims at offshore wind energy integration through a high voltage DC network. In order to optimize their interaction with the energy market, Winpower proposes to associate a set of off-shore wind plants with mass storage. We propose a hierachical approach that allow both to manage renewable generation local dynamics and to optimize interaction with the market while handling global constraints of the network (stability, losses). We present our work on the multi-agent architecture and communication protocols designed for the high-level management of the Winpower system.