Institutional repository of the University of Science and Technology(USTHB) Houari Boumediene
Recent Submissions
Generalized Lyapunov and Hartman type inequalities and their applications for linear and nonlinear fractional differential equations under different conditions
(2025-12-11) Cherikh; Ouahiba
Dans cette thèse, nous nous intéressons à l’étude de classes d’équations différentielles fractionnaires généralisées pouvant être soumises à diverses conditions. Dans un premier temps, nous présentons la dérivée fractionnaire généralisée de type Caputo, dite ?-Caputo, d’ordre a ? (1,2) avec ? > 0. Cet opérateur présente l’intérêt majeur d’unifier, au sein d’un cadre analytique unique, les intégrales fractionnaires classiques de Riemann–Liouville et de Hadamard, ainsi que les dérivées fractionnaires de Caputo et de Caputo–Hadamard. Nous entamons ensuite une analyse détaillée des propriétés de la fonction de Green associée aux équations considérées. Celle-ci joue un rôle central dans l’obtention d’estimations précises et permet la construction de nouvelles inégalités intégrales. Sur la base de ces outils, nous établissons des inégalités généralisées de type Lyapunov et Hartman, valables pour les équations en question, aussi bien dans le cas linéaire que non linéaire. L’application de ces inégalités conduit à des résultats significatifs, offrant ainsi des critères efficaces pour l’analyse qualitative des solutions. Les résultats obtenus ne constituent pas une simple extension des travaux antérieurs ; ils apportent une véritable consolidation théorique en proposant un cadre unifié capable d’englober plusieurs cas particuliers d’équations différentielles fractionnaires qui, jusqu’à présent, étaient traités séparément dans la littérature.
Spatialisation des modèles de panels avec effet de seuil
(2025) Rehouma; Imane
Cette thèse est consacrée à la modélisation non linéaire des données de panel spatiales. Nous proposons une nouvelle approche permettant de prendre en compte la non-linéarité, l'hétérogénéité, ainsi que les changements de régime progressifs observés dans de nombreuses données empiriques. Plus précisément, nous introduisons le modèle Panel Buffered Threshold Spatial Durbin (PBTSD). Il est à noter que les modèles spatiaux traditionnels supposent souvent la linéarité et l'homogénéité, ce qui limite leur capacité à capturer les comportements spécifiques à chaque régime. Par ailleurs, les modèles à seuil classiques reposent sur l'hypothèse de transitions brusques, souvent peu réalistes. En réponse à ces limitations, le modèle PBTSD intègre une zone tampon (buffer), permettant des transitions graduelles entre les régimes et une meilleure prise en compte des variations dans les effets de spillover spatiaux. L'estimation du modèle proposé peut être réalisée à l'aide du quasi-maximum de vraisemblance (QML) ou de la méthode des moindres carrés en deux étapes (2SLS). Ces deux méthodes ont été comparées par le biais de simulations de Monte Carlo, et leur performance à taille finie a été évaluée. Les applications empiriques montrent que les dynamiques de R&D induites par l'innovation varient selon les pays ou les régions, en raison d'interactions spatiales non linéaires et dépendantes du régime. Cette étude apporte une contribution méthodologique en étendant la modélisation à seuil pour les panels spatiaux, et une contribution empirique en offrant un éclairage nouveau sur les mécanismes spatiaux de l'innovation et de l'investissement en R&D. Elle fournit ainsi des éléments utiles aux décideurs souhaitant promouvoir l'innovation et le développement régional.
Méthodes multicritères et degré de dominance
(2025-11-30) Kerboui; Roumeissa
Cette thèse relève de l’aide multicritère à la décision (AMCD), dont l’objectif est d’évaluer des alternatives selon plusieurs critères souvent contradictoires. Elle propose des améliorations de certaines méthodes de surclassement, notamment PROMETHEE II, par l’intégration d’opérateurs d’agrégation avancés. Elle approfondit également l’étude de la méthode basée sur le degré de dominance appliquée aux données intervalles, en analysant son impact sur le classement et le phénomène d’inversion de rang. Les contributions proposées améliorent la robustesse et la cohérence des classements, tout en réduisant les inversions de rang. Des perspectives futures concernent l’extension de ces approches à d’autres contextes décisionnels et aux systèmes de recommandation.
Méthodes multicritères et degré de dominance
(2025-11-30) Kerboui; Roumeissa
Cette thèse relève de l’aide multicritère à la décision (AMCD), dont l’objectif est d’évaluer des alternatives selon plusieurs critères souvent contradictoires. Elle propose des améliorations de certaines méthodes de surclassement, notamment PROMETHEE II, par l’intégration d’opérateurs d’agrégation avancés. Elle approfondit également l’étude de la méthode basée sur le degré de dominance appliquée aux données intervalles, en analysant son impact sur le classement et le phénomène d’inversion de rang. Les contributions proposées améliorent la robustesse et la cohérence des classements, tout en réduisant les inversions de rang. Des perspectives futures concernent l’extension de ces approches à d’autres contextes décisionnels et aux systèmes de recommandation.
Surveillance intelligente basée sur la recherche d’image dans les villes intelligentes
(2026-01-15) Khalfi; Ali
Dans le cadre de ma thèse de doctorat, j’ai traité la problématique de la surveillance intelligente basée sur l’analyse d’images, avec un focus particulier sur le monitoring du trafic routier dans le contexte des villes intelligentes. L’objectif principal de cette recherche est la conception et le développement de solutions intelligentes pour la surveillance du trafic routier, en exploitant des techniques d’analyse d’images et d’intelligence artificielle. Le travail réalisé propose des modèles performants pour la catégorisation d’images dans les environnements de smart cities, dans le but de renforcer les systèmes de transport intelligents (ITS). Les solutions proposées visent notamment à améliorer la détection de la disponibilité des places de stationnement ainsi que l’identification des situations de congestion routière, en s’appuyant sur des données visuelles issues des systèmes de surveillance. Le manuscrit de la thèse est structuré en six (6) chapitres. Le premier chapitre présente le contexte général de la recherche, expose la problématique, les motivations scientifiques, les objectifs poursuivis, ainsi que les contributions et l’organisation globale du document. Le deuxième chapitre fournit les notions de base relatives à la classification et à la recherche d’images, ainsi qu’un état de l’art sur les approches existantes en matière de détection de places de stationnement et de prévision de la congestion routière. Le troisième chapitre propose deux architectures pour la classification des images de parkings : la première basée sur un réseau de neurones convolutif (CNN) personnalisé, et la seconde exploitant le transfer learning combiné à des techniques d’augmentation de données. Dans le quatrième chapitre nous avons introduit une approche innovante de détection de la congestion routière utilisant un Vision Transformer paramétré avec cartographie d’images, en transformant les flux vidéo en données exploitables par des méthodes de traitement d’images. Le cinquième chapitre détaille le système multi-modules intégrant traitement d’images, analyse de la vitesse des véhicules et logique floue pour une évaluation en temps réel de l’état du trafic. Le dernier chapitre conclut la thèse, récapitule les contributions majeures et propose des perspectives pour de futurs travaux. Les travaux de mes recherches peuvent être résumés comme suit : • Développement d’un système efficace basé sur les réseaux de neurones convolutifs (CNN) pour détecter l’occupation des places de stationnement [1]. Le modèle se distingue par une réduction des paramètres de calcul grâce à une paramétrisation spécifique des couches et à l’utilisation d’un taux de dilatation progressif, garantissant une robustesse face aux occlusions et aux variations d’éclairage. Validé sur le jeu de données PKLot, ce modèle présente une faible complexité computationnelle, le rendant adapté aux environnements embarqués. • Mise en œuvre d’une solution exploitant le transfer learning avec le modèle Inception V3, associé à l’augmentation de données, pour la classification des places de stationnement (PKLot dataset) [2]. Les résultats expérimentaux ont démontré une précision élevée et des performances computationnelles satisfaisantes. • Proposition d’un modèle innovant exploitant l’analyse vidéo de trafic via une cartographie d’images [3]. Les images extraites des vidéos sont traitées avec YOLOv8s pour la détection de véhicules, puis converties en images cartographiées et analysées par le Vision Transformer. Évaluée sur le jeu de données UCSD et testée dans diverses conditions météorologiques. • Conception du système [4] reposant sur l’algorithme SIFT pour l’analyse de la congestion sans nécessiter de suivi individuel des véhicules. La détection de la densité et de la vitesse des véhicules est réalisée à travers le traitement d’images, tandis que la logique floue assure une interprétation robuste des différents scénarios de trafic. Les expérimentations, menées sur le jeu de données U