Limites du raisonnement dans les systèmes d’intelligence ambiante

Table des matières

Introduction générale
1 État de l’art : les systèmes ambiants
1.1 Introduction
1.2 Définitions
1.3 Identification de situations dans un environnement ambiant
1.3.1 Capteurs et données de capteurs
1.3.2 Situations et activités
1.3.3 Thèmes de recherche sur l’identification de situations
1.4 Processus d’identification de situations/d’activités
1.4.1 Pré-traitement des données capteurs
1.4.2 Segmentation
1.4.3 Extraction des attributs
1.4.4 Sélection des attributs
1.4.5 Classification et reconnaissance de situations/d’activités
1.5 Les méthodes de raisonnement pour la reconnaissance de situations/ d’activités
1.5.1 Les méthodes de raisonnement orientées connaissances
1.5.2 Les méthodes de raisonnement orientées données
1.6 Limites du raisonnement dans les systèmes d’intelligence ambiante
1.6.1 Raisonnement dans un contexte imparfait
1.6.2 Raisonnement dans un contexte distribué
1.7 Conclusion
2 Perception : un modèle de traitement des évènements complexes sémantiques flous (l’approche FSCEP)
2.1 Introduction
2.2 Les systèmes orientés évènements et les défis relevés
2.3 Préliminaires
2.4 L’incertitude dans les systèmes orientés évènements
2.5 Scénario d’application
2.6 Le modèle de perception FSCEP
2.6.1 Le module de détection
2.6.2 Le module de perception
2.6.3 Le module d’application
2.6.4 L’algorithme FSCEP
2.7 Implémentation et évaluation
2.8 Discussion et synthèse
2.9 Conclusion
Conclusion générale