Les travaux présentés abordent le problème de la classification de séries temporelles multivariées.
Celles-ci se caractérisent par un grand nombre de points les composant et surtout par des interactions entre ces points. Bien que l’analyse des séries temporelles univariées, une mesure par instant, soit très développée, l’analyse des séries multivariées, plusieurs mesures captées à chaque instant de temps, reste un challenge ouvert.

En effet, les méthodes mises à disposition, aujourd’hui, pour la classification supervisée de
ces séries, ne permettent pas une classification efficace et rapide de ces données.
L'approche développée durant cette thèse emploie un nouvel outil, qui n’a jamais été utilisé dans le domaine de la classification de séries temporelles multivariées, qui est le M-histogramme. Son utilisation ici permet de produire une nouvelle représentation de nos données afin de mettre en évidence les interactions entre dimensions.

Dans cette thèse, nous proposons donc une méthode multi-vues ensembliste de M-histogrammes afin de classifier les Séries Temporelles Multivariées (STM). Cela signifie
que plusieurs M-histogrammes sont créés à partir des STM exploitées.
Il est montré dans la suite que la méthode ainsi créée est capable de répondre à la problématique.

Jury :

- Pr. Richard Emilion, Université d'Orléans, rapporteur ;
- MCF HDR Khalid Benadeslem, Université Lyon 1, rapporteur ;
- Pr. José Antonio Fernandes De Macêdo, Université de Ceara, rapporteur;
- MCF Violaine Antoine, Université Clermont Auvergne, examinatrice ;
- PR. Engelbert Mephu Nguifo, Université Clermont Auvergne, directeur de thèse ;
- Jacques Charreyron, Michelin, co-direction de thèse.