Clustering hiérarchique pour la classification et la reconnaissance des activités dans un système ubiquitaire.

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.