Search

The subject of this thesis is the study of some adaptive nonparametric statistical problems in the framework of a Poisson interactions model. Such models are used, for instance, in neurosciences to analyze interactions between two neurons through their spikes emission during the recording of the brain activity or in genomics to study favored or avoided distances between two motifs along a genome. In this setting, we naturally introduce a so-called reproduction function that allows to quantify the favored positions of the motifs and which is considered as the intensity of a Poisson process. Our first interest is the estimation of this function assumed to be well localized. We propose a data-driven wavelet thresholding estimation procedure that is optimal from oracle and minimax points of view. Simulations and an application to genomic data from the bacterium E. coli allow us to show the good practical behavior of our procedure. Then, we deal with associated problems on tests which consist in testing the nullity of the reproduction function. For this purpose, we build a minimax optimal testing procedure on weak Besov spaces and we provide some simulations showing good practical performances of our procedure. Finally, we extend this work with the study of a high-dimensional discrete setting of our previous model by proposing an adaptive Lasso-type procedure.; L'objet de cette thèse est d'étudier divers problèmes de statistique non-paramétrique dans le cadre d'un modèle d'interactions poissoniennes. De tels modèles sont, par exemple, utilisés en neurosciences pour analyser les interactions entre deux neurones au travers leur émission de potentiels d'action au cours de l'enregistrement de l'activité cérébrale ou encore en génomique pour étudier les distances favorisées ou évitées entre deux motifs le long du génome. Dans ce cadre, nous introduisons une fonction dite de reproduction qui permet de quantifier les positions préférentielles des motifs et qui peut être modélisée par l'intensité d'un processus de Poisson. Dans un premier temps, nous nous intéressons à l'estimation de cette fonction que l'on suppose très localisée. Nous proposons une procédure d'estimation adaptative par seuillage de coefficients d'ondelettes qui est optimale des points de vue oracle et minimax. Des simulations et une application en génomique sur des données réelles provenant de la bactérie E. coli nous permettent de montrer le bon comportement pratique de notre procédure. Puis, nous traitons les problèmes de test associés qui consistent à tester la nullité de la fonction de reproduction. Pour cela, nous construisons une procédure de test optimale du point de vue minimax sur des espaces de Besov faibles, qui a également montré ses performances du point de vue pratique. Enfin, nous prolongeons ces travaux par l'étude d'une version discrète en grande dimension du modèle précédent en proposant une procédure adaptative de type Lasso.

This thesis is devoted to the study of the dynamics of the gases with small Mach number. The model comes from the complete Navier-Stokes equations when the Mach number goes to zero, and we aim at showing that it is well-posed. The viscous and inviscid cases are both considered. The physical coefficients may depend on the unknown density (or on the unknown temperature).In particular, we consider the effects of the thermal conductivity and hence large variations of entropy are allowed. Recall that if there is no thermal diffusion, then the low Mach number limit just implies the incompressibility condition. In the framework considered here, by introducing a new solenoidal velocity field, the system becomes a nonlinear coupling between a quasi-parabolic equation for the density and an evolutionary Stokes (or Euler) system for the velocity and the pressure. For the case with viscosity, we establish classical results, namely the strong solutions exist locally (resp. globally) in time for big (resp. small) initial data. We consider the Cauchy problem in the critical Besov spaces with the lowest regularity. Under a special relationship between the two physical coefficients, the system recasts in a simpler form and one may prove that there exist weak solutions with finite energy. In dimension two, this implies that strong solutions with finite energy exist for all positive times. In the inviscid case, we first prove the well-posedness result in endpoint Besov spaces, which can be embedded into the set of Lipschitzian functions. Continuation criterions and estimates for the lifespan are both established.If we suppose the initial data to be in the borderline Besov spaces with infinite Lebesgue exponent and to be of finite energy, we also have a local existence result. In dimension two, the lifespan goes to infinity when the density tends to a positive constant. Estimates for products and commutators, together with a priori estimates for the parabolic equations and the Stokes (or Euler) system with variable coefficients, are postponed in the appendix. These estimates are based on the Littlewood-Paley theory and the paradifferential calculus; Cette thèse est consacrée à l'étude de la dynamique des gaz à faible nombre de Mach. Le modèle étudié provient des équations de Navier-Stokes complètes lorsque le nombre de Mach tend vers zéro. On cherche à montrer que le problème de Cauchy correspondant est bien posé. Les cas visqueux et non visqueux sont tous deux considérés. Les coefficients physiques peuvent dépendre de la densité (ou de la température) inconnue. En particulier, nous prenons en compte les effets de conductivité thermique et on autorise de grandes variations d'entropie. Rappelons qu'en absence de diffusion thermique, la limite à faible nombre de Mach implique la condition d'incompressibilité. Dans le cadre étudié ici, en introduisant un nouveau champ de vitesses à divergence nulle, le système devient un couplage non linéaire entre une équation quasi-parabolique pour la densité et un système de type Navier-Stokes (ou Euler) pour la vitesse et la pression. Pour le cas avec viscosité, on établit le résultat classique, à savoir qu'il existe une solution forte existant localement (resp. globalement) en temps pour des données initiales grandes (resp. petites). On considère ici le problème de Cauchy avec données initiales dans des espaces de Besov critiques. Lorsque les coefficients physiques du système vérifient une relation spéciale, le système se simplifie considérablement, et on peut alors établir qu'il existe des solutions faibles globales en temps à énergie finie. Par un argument d'unicité fort-faible, on en déduit que les solutions fortes à énergie finie existent pour tous les temps positifs en dimension deux. Pour le cas sans viscosité, on montre d'abord le caractère bien posé dans des espaces de Besov limites, qui s'injectent dans l'espace des fonctions lipschitziennes. Des critères de prolongement et des estimations du temps de vie sont établis. Si l'on suppose la donnée initiale à énergie finie dans l'espace de Besov limite à exposant de Lebesgue infini, on a également un résultat d'existence locale. En dimension deux, le temps de vie tend vers l'infini quand la densité tend vers une constante positive. Des estimations de produits et de commutateurs, ainsi que des estimations a priori pour les équations paraboliques et pour le système de Stokes (ou d'Euler) à coefficients variables, se trouvent dans l'annexe. Ces estimations reposent sur la théorie de Littlewood-Paley et le calcul paradifférentiel

The subject of this thesis is the study of some adaptive nonparametric statistical problems in the framework of a Poisson interactions model. Such models are used, for instance, in neurosciences to analyze interactions between two neurons through their spikes emission during the recording of the brain activity or in genomics to study favored or avoided distances between two motifs along a genome. In this setting, we naturally introduce a so-called reproduction function that allows to quantify the favored positions of the motifs and which is considered as the intensity of a Poisson process. Our first interest is the estimation of this function assumed to be well localized. We propose a data-driven wavelet thresholding estimation procedure that is optimal from oracle and minimax points of view. Simulations and an application to genomic data from the bacterium E. coli allow us to show the good practical behavior of our procedure. Then, we deal with associated problems on tests which consist in testing the nullity of the reproduction function. For this purpose, we build a minimax optimal testing procedure on weak Besov spaces and we provide some simulations showing good practical performances of our procedure. Finally, we extend this work with the study of a high-dimensional discrete setting of our previous model by proposing an adaptive Lasso-type procedure., L'objet de cette thèse est d'étudier divers problèmes de statistique non-paramétrique dans le cadre d'un modèle d'interactions poissoniennes. De tels modèles sont, par exemple, utilisés en neurosciences pour analyser les interactions entre deux neurones au travers leur émission de potentiels d'action au cours de l'enregistrement de l'activité cérébrale ou encore en génomique pour étudier les distances favorisées ou évitées entre deux motifs le long du génome. Dans ce cadre, nous introduisons une fonction dite de reproduction qui permet de quantifier les positions préférentielles des motifs et qui peut être modélisée par l'intensité d'un processus de Poisson. Dans un premier temps, nous nous intéressons à l'estimation de cette fonction que l'on suppose très localisée. Nous proposons une procédure d'estimation adaptative par seuillage de coefficients d'ondelettes qui est optimale des points de vue oracle et minimax. Des simulations et une application en génomique sur des données réelles provenant de la bactérie E. coli nous permettent de montrer le bon comportement pratique de notre procédure. Puis, nous traitons les problèmes de test associés qui consistent à tester la nullité de la fonction de reproduction. Pour cela, nous construisons une procédure de test optimale du point de vue minimax sur des espaces de Besov faibles, qui a également montré ses performances du point de vue pratique. Enfin, nous prolongeons ces travaux par l'étude d'une version discrète en grande dimension du modèle précédent en proposant une procédure adaptative de type Lasso.

Nonparametric estimation problemsfor inverse models consist in recovering an unknown function fromthe observation of a linear ill posed transformation of thefunction, blurred by an additive random error. In this context,wavelet methods are very useful and have been widely studied. Theestimators developed in this thesis are significantly influencedby them, but also stray from decompositions in "classical" waveletbases, which allows new theoretical and practical developments. Ina main part of the thesis, one focuses on a white noise typemodel. One develops estimators using bases which, on the one handare adapted to the operator of the problem, and on the other handpossess wavelet type properties. One investigates the theoreticalproperties of such methods in a wide minimax framework, as well astheir numerical performances, by a simulation study. In the lastpart of the thesis, one focuses on the model of regression inrandom design, and one investigates the numerical performances ofan estimator based on the "warping" of wavelet bases., On se place dans le cadre del'estimation non paramétrique pour les problèmes inverses, où unefonction inconnue subit une transformation par un opérateurlinéaire mal posé, et où l'on en observe une version bruitée parune erreur aléatoire additive. Dans ce type de problèmes, lesméthodes d'ondelettes sont très utiles, et ont été largementétudiées. Les méthodes développées dans cette thèse s'eninspirent, mais consistent à s'écarter des bases d'ondelettes"classiques", ce qui permet d'ouvrir de nouvelles perspectivesthéoriques et pratiques. Dans l'essentiel de la thèse, on utiliseun modèle de type bruit blanc. On construit des estimateursutilisant des bases qui d'une part sont adaptées à l'opérateur, etd'autre part possèdent des propriétés analogues à celles desondelettes. On en étudie les propriétés minimax dans un cadrelarge, et l'on implémente ces méthodes afin d'en étudier leursperformances pratiques. Dans une dernière partie, on utilise unmodèle de regression en design aléatoire, et on étudie lesperformances numériques d'un estimateur reposant sur ladéformation des bases d'ondelettes.

In this thesis, we investigate the different image decomposition models wich permit to separate an image into two components: the structures (or objects) and the textures. This work is based on the model proposed by Yves Meyer in 1999 and the recent work on the algorithms of Jean-François Aujol.After a theoretic study of these models, we propose to extend the model to the case of noisy images in order to get a decomposition into three components: structures + textures + noise.Moreover, we propose an evaluation method in order to be able to compare the results given by each algorithm.In the last part of this thesis, we show different application of these decomposition methods. Specially, we propose an algorithm to detect the roads network in aerial images. This algorithm combines image decomposition, Gestalt's alignment detection algorithm and active contours., Dans cette thèse, nous nous intéressons aux méthodes permettant de décomposer une image en deux parties: l'une contenant les structures (ou objets) de l'image et l'autre les textures. Le point de départ de ces travaux est le modèle proposé par Yves Meyer en 1999 puis les travaux de Jean-François Aujol pour les aspects algorithmiques.Après une étude théorique de ces approches, nous proposons une extension au cas des images bruitées nous permettant d'obtenir alors une décomposition en trois composantes: structures + textures + bruit.Par ailleurs, nous proposons une méthode spécifique en vue d'évaluer les résultats obtenus à partir des différents alggorithmes. Enfin, nous présentons quelques applications des ces méthodes de décomposition d'image, notamment un algorithme de détection de réseaux routiers en imagerie aérienne ou satellitaire. Cet algorithme combine décomposition d'image, détection d'alignements par la théorie de la Gestalt et modèle déformable.

Présidente : Mme Valérie Perrier Rapporteur : M. Jean-Michel Poggi Rapporteur : M. Jean-Louis Merrien Directrice de thèse : Mme Marie-Laurence Mazure Directeur de thèse : M. Anestis Antoniadis Examinateur : M. Gérard Grégoire; The principal aim of this thesis is to propose methods for the reconstruction of functions from noisy, random or deterministic nonequispaced data. Two of them rely on first generation wavelets. They consist in a preconditioning / interpolation on a equispaced design of the randomly designed data, folowed by wavelet shrinkage. We show that the resulting estimates are near-minimax on Holder class functions, respectively on Besov balls. We also investigate a method relying on second generation, design adapted wavelets. As a first step, yet independent, we prove that under some conditions the irregular Lagrange subdivision schemes converge and produce functions having the same number of continuous derivatives as the limit functions of the regular schemes of the same degree. Then we show the existence of design adapted multiresolution analysis and wavelet biorthogonal systems, constructed by average-interpolating subdivision. We conclude with some numerical simulations, illustrating the finite sample behaviour of the three methods.; Cette thèse porte sur la restauration des signaux bruités observés sur des plans d'expérience aléatoires. Trois méthodes sont proposées. Dans les deux premières, on se ramène (soit par préconditionnement des données initiales, soit par régression polynomiale locale), à un problème de régression sur grille régulière. Des majorations asymptotiques de l'erreur d'estimation sont données pour les deux méthodes, sur des classes de fonctions holderiennes pour la première et sur des boules d'espaces de Besov pour la deuxième. La vitesse de décroissance de l'erreur est dans les deux cas très proche de la vitesse optimale. Un troisième algorithme concerne les plans d'expérience déterministes et utilise les ondelettes adaptées à la grille. Elles sont construites par des schémas de subdivision non réguliers, dont on étudie la convergence et les propriétés. Des nombreuses simulations et une étude comparative illustrent le comportement des trois algorithmes quand ils sont appliqués à des échantillons de taille finie.