Reconnaissance des formes et réduction de la dimensionnalité, cas du GEI (Génotype Environnement Interaction).

Abstract

Le travail entrepris dans cette thèse a pour objectifs essentiels de mettre en évidence certaines formes d’interaction (GEI ou interaction génotype environnement) entre facteurs et la traduction de leurs effets sur des variables ou caractéristiques observées dans les populations animales et végétales. La réduction de la dimensionnalité de l’espace des observations pour une identification correcte et une interprétation rationnelle de ces formes, fait appel aux outils statistiques les plus récents qui utilisent la notion de minimisation structurée du risque (Structured Minimisation Risk). Ces objectifs sont atteints grâce à une panoplie de modèles construits selon la nature des variables (quantitatives, qualitatives, mixtes) et la relation de structure à expliquer et interpréter. Les approches entreprises sont divisées en deux groupes: - Les méthodes analytiques par les modèles linéaires et non linéaires multiples avec sélection de variables selon divers critères et la validation de la dimension de l’espace des observations. - Les méthodes graphiques basées sur les techniques de cartographie linéaires et non linéaires qui ont la propriété de préserver la topologie, la cohérence, la dimensionnalité et la corrélation entre objets à reconnaître ou à classer. La traduction des algorithmes des méthodes en langage informatique et leur application ont donné des résultats concordants, démontré l’efficacité des techniques proposées, mis en évidence l’effet des facteurs environnementaux sur les populations étudiées.