Cette page répertorie les centres d’intérêt des membres du groupe de travail « Graphe ».

• Vous souhaitez intégrer le groupe, il vous suffit de vous adresser à Bertrand Cuissart ou Pierre Héroux
• Vous êtes membres du groupe de travail, vous avez possibilité d’éditer cette page pour y renseigner vos centres d’intérêt (lien « Modifier » en bas de page). Indiquez, sous votre nom, vos activités ayant trait à cet objet Graphe. Vous pourrez également indiquer ce que vous attendez d’un tel groupe de travail.Cet état des lieux nous permettra de dégager des thématiques et d’organiser notre futur programme.

Voici une liste (non exhaustive) de questions auxquelles vous pouvez par exemple répondre :

• Quel type de graphes traitez-vous ?
• Quel type de données modélisent les graphes que vous traitez ?
• Quels traitements appliquez-vous aux graphes que vous utilisez ?

Sébastien Adam

• Classification de graphes, recherche de prototypes discriminants dans des classes de graphes
• Recherche tolérante d’isomorphismes de sous graphes
• Distance d’édition entre graphes
• Applications au traitement d’images

Maroua Bouzid

Bruno Crémilleux

• fouille de graphes augmentés
• pattern structures pour les graphes
• graphes 3D
• graphes et chimie

Bertrand Cuissart

• graphes et chimie,  graphes moléculaires,
• représentation de l’information chimique/biologique à partir de graphes,
• problèmes de correspondance de graphes : isomorphisme de graphes, isomorphisme de sous-graphe,
• extraction de connaissance à partir de graphes : fouille de graphes, concepts formels et graphes

Géraldine Del Mondo

• Evolution d’entités dans l’espace et dans le temps
• Raisonnement spatial et temporel
• Modélisation basée sur les graphes
• Exemples de données : parcellaires agricoles ou cadastraux,  dunes marines…

Antoine Doucet

Abderrahim Elmoataz

Abdel Ennaji

Pierre-Anthony Grenier

Frédéric Guinand

Pierre Héroux

• Traitement de graphes orientés ou non, étiquetés sur les noeuds et/ou les arcs avec des étiquettes numériques vectorielles.
• Le plus souvent ces graphes modélisent des images de documents.
• Reconnaissance de formes appliquée à des données modélisées sous forme de graphes.
  • Calcul (d’approximation) de distance entre graphes.
  • Apprentissage de métriques
  • Mise en correspondance entre graphes tolérante aux différences topologiques et/ou d’étiquetage
  • Recherche d’isomorphisme de sous-graphe
  • Représentation de graphe par dénombrement de motifs, graph embedding
  • Recherche de sous-graphes fréquents
  • Apprentissage de graphes prototypes

Bamba Kane

Olivier Lézoray

• Traitement de signaux sur graphes (fonctions à valeurs sur les noeuds d’un graphe)
• Données concernées : images, maillages, nuages de points 3D colorés, bases de données
• Méthodes : EDPs, Problèmes Variationnels, Morphologie Mathématique, Ondelettes
• Problèmes: débruitage, interpolation, classification semi-supervisée, segmentation, clustering

Samir Loudni

François Lozes

Michel Mainguenaud

Jean-Philippe Métivier

Yoann Pigné

Guillaume Poezevara

Alain Rakotomamonjy

• noyaux de graphes
• apprentissage de noyaux de graphes
• apprentissage de métriques dans les noyaux

Luc Brun

• Reconnaissance structurelle de formes. (voir par exemple le site de l’IAPR TC 15).
•  Noyaux sur graphes appliqués à la chimie et à la reconnaissance de formes (au sens shape).
• Distance d’édition entre graphes.

Solomampionona Ranaivoson

Eric Sanlaville

Matthieu Toutain

Pierrick Tranouez

De nos jours, les graphes auxquels je me confronte le plus modélisent des réseaux routiers. Le but du jeu est de trouver le graphe — au niveau de sa structure et de ses étiquettes —  qui me permettra d’implémenter un choix :

• rapide à calculer,
• de routes les plus humaines possibles,

pour un agent automobiliste qui souhaite se rendre quelque part.