Abstract:
L'apparition des Systèmes ubiquitaires ou pervasifs est issue de l'émergence de nouvelles
technologies fournissant au système une vision de son environnement, de l'environnement de
ses utilisateurs ainsi que de leurs profils. Grâce à ces données formant le contexte de
l'application, il est possible de fournir des services personnalisés, pertinents et ciblés. Mais, le
problème qui se pose à ce niveau concerne la reconnaissance des activités effectuées par les
utilisateurs tout en tenant compte du grand nombre de données.
La classification des données est la phase la plus importante dans la chaine de reconnaissances
des activités humaines. Dans notre étude nous avons mis l'accent sur les techniques de
classification non supervisée (Le clustering).
Le clustering est un problème d'une grande importance dans de nombreuses applications et il
devient plus difficile lorsqu'on manipule un grand volume de données. Ce travail consiste à
présenter les principales méthodes de clustering hiérarchiques utilisées dans l'exploration de
données, leurs caractéristiques, avantages et inconvénients.
Ce mémoire contient une partie théorique sur les systèmes ubiquitaires et le clustering en
général. Puis nous avons décrit notre contribution au développement d’un algorithme de
clustering hiérarchique.