1,721,135 research outputs found
Geometrical approximation of random convex sets by zonotopes : application to the Boolean model.
No full textLes processus industriels mettant en jeu des milieux granulaires (population de particules : poudres, cristaux, fibres...) font l'objet d'un intérêt croissant pour différentes applications (pharmacie, nucléaire, matériau, agronomie...) depuis ces dernières années. La caractérisation géométrique de telles particules est alors requise afin d'améliorer la connaissance et la maîtrise de ces processus. Dans cet objectif, l'acquisition d'images 2-D permet une visualisation directe des particules projetées qui nécessite d'être exploitée.L'approche proposée dans cette thèse fournit des outils permettant de caractériser la morphologie d'une population de particules via un modèle géométrique aléatoire. Lorsque des images 2-D de milieux granulaires (satisfaisant aux hypothèses du modèle Booléen) sont considérées, cette approche permet de décrire la population des particules projetées (tâche généralement difficile à réaliser avec les méthodes classiques d'analyse d'image). Les perspectives de ce travail sont de généraliser cette approche à des situations plus générales que le modèle Booléen 2-D.Industrial processes involving granular media (population of particles: powders, crystals, fibers. . .) have been of increasing interest for different applications (pharmacy, nuclear, materials, agronomy. . . ) over the last decade. The geometrical characterization of such particles is then required for a better knowledge and improvement of such processes. For this purpose, 2-D image acquisition provides a direct visualization of the projected particles.The proposed approach provides useful tools for characterizing the morphology of a population of particles by using a stochastic geometrical model. When dealing with 2-D images of granular media (satisfying the Boolean model hypothesis), such a model enables a population of projected/overlapping particles to be investigated, which is generally difficult with classical image analysis. The prospects of this work are to generalize this approach to more general situations than 2-D Boolean models
Going Beyond Counting First Authors in Author Co-citation Analysis
Get PDFThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
Morphometric characterization of particle aggregates using image analysis and stochastic geometry
No full textCette thèse s'inscrit dans le cadre du projet MORPHING (ANR) et répond à une problématique industrielle d'ARKEMA. Elle vise à développer des méthodes pour caractériser la morphologie 3D d'agrégats de nanoparticules de latex dans un contexte industriel, à partir d'images 2D in-situ. Les propriétés morphologiques de ces agrégats influencent fortement la qualité des produits finis et l'efficacité des procédés, mais ne peuvent être estimées que par imagerie en conditions de production.La recherche combine deux approches : scientifique, avec le développement de modèles géométriques stochastiques 3D exploitant les données 2D issues de l'analyse d'image, et industrielle, visant une application en quasi temps réel. Les principales contributions comprennent trois modèles géométriques stochastiques novateurs générant des agrégats 3D à partir de mesures morphométriques 2D, ainsi qu'un modèle génératif d'apprentissage profond pour estimer directement la morphologie 3D depuis les images 2D.La validation numérique et expérimentale sur des images in-situ et ex-situ révèle que l'approche géométrique stochastique offre une meilleure précision, tandis que l'apprentissage profond se montre plus adapté au contexte industriel par sa rapidité et sa simplicité d'implémentation. Des améliorations sont envisageables concernant la qualité des données expérimentales et l'optimisation des modèles.Cette thèse ouvre de nouvelles perspectives pour la caractérisation morphologique 3D d'agrégats par analyse d'images 2D, en proposant des méthodes applicables aux conditions industrielles. Ses résultats pourront bénéficier à de nombreux procédés où la maîtrise morphologique est cruciale.This thesis is part of the MORPHING project funded by the French National Research Agency (ANR) and addresses an industrial challenge posed by ARKEMA. It aims to develop methods for characterizing the 3D morphology of latex nanoparticle aggregates in an industrial context, using in-situ 2D images. The morphological properties of these aggregates strongly influence the quality of finished products and process efficiency, but can only be estimated through imaging under production conditions.The research combines two approaches: scientific, developing 3D stochastic geometric models that exploit 2D data from image analysis, and industrial, targeting near real-time implementation. The main contributions include three novel stochastic geometric models that generate 3D aggregates from 2D morphometric measurements, as well as a deep learning generative model to directly estimate 3D morphology from 2D images.Numerical and experimental validation on in-situ and ex-situ images reveals that the stochastic geometric approach offers better accuracy, while deep learning proves more suitable for industrial contexts due to its speed and ease of implementation. Potential improvements are identified regarding experimental data quality and model optimization.This thesis opens new perspectives for the 3D morphological characterization of aggregate populations through 2D image analysis, proposing methods applicable to industrial conditions. Its results can benefit many processes where morphological control is crucial
Variations on the Author
Get PDF“Variations on the Author” discusses two of Eduardo Coutinho’s recent films (Um Dia na Vida, from 2010, and Últimas Conversas, posthumously released in 2015) and their contribution to the general question of documentary authorship. The director’s filmography is characterized by a consistent yet self-effacing form of authorial self-inscription: Coutinho often features as an interviewer that rather than express opinions propels discourses; an interviewer that is good at listening. This mode of self-inscription characterizes him as an author who is not expressive but who is nonetheless markedly present on the screen. In Um Dia na Vida, however, Coutinho is completely absent form the image, while Últimas Conversas, on the contrary, includes a confessional prologue that moves the director from the margins to the center of his films. This article examines the ways in which these works stand out in the filmography of a director who offers new insights into the notion of cinematic authorship
3D geometrical characterization of populations of particles by stochastic geometry and image analysis : application to two-phase flows
No full textCette thèse a pour objectif le développement d’une nouvelle approche de modélisation géométrique 3D d’écoulements diphasiques à partir d’images 2D de projections orthogonales, afin de caractériser les systèmes de particules. L’étude porte sur des particules (ici des gouttelettes ou des bulles) de forme sphérique et ellipsoïdale. Parmi les méthodes existantes pour traiter des images 2D obtenues par projection d’un système de particules 3D, celles de reconnaissance de forme et de segmentation sont les plus utilisées. Cependant, ce type d’approche présente de fortes limitations. Pour pallier ces problèmes, un modèle géométrique aléatoire 3D (processus ponctuel marqué) est proposé. Dans le but d’ajuster le modèle aux données observées, une optimisation numérique est réalisée. Les performances de cette méthode sont évaluées via des simulations numériques d’images 2D issues de projections de particules sphériques et ellipsoïdales de géométrie connue. Les résultats montrent une bonne estimation de la morphologie 3D des particules. Une validation expérimentale est également réalisée sur un écoulement diphasique contrôlé composé d’un mélange, connu, de billes de PMMA de différentes tailles. Finalement, dans le but de caractériser des écoulements classiquement rencontrés en mécanique des fluides, l’approche est appliquée à un écoulement gaz/liquide avec différents débits de gaz. Ce travail de thèse montre l’intérêt de la modélisation géométrique aléatoire pour la caractérisation d’écoulements diphasiques et ouvre de larges perspectives sur l’étude de modèles plus flexibles permettant de contrôler des interactions (attractions/répulsions) entre particules.This thesis aims at developing a new approach for geometric modeling of two-phase flows, from 2D images of orthogonal projections, with the objective of extracting 3D morphological characteristics of the particles. The study mainly addresses the case of droplets and bubbles of spherical and ellipsoidal shape. Among the existing methods to deal with 2D images resulting from the projection of a 3D particles system, the pattern recognition and segmentation ones are the most common. However, they present major limitations. To overcome these problems, a 3D stochastic geometrical model (a marked point process) is proposed. The model was fitted to the observed data thanks to a numerical optimization process. The method’s performance was evaluated on numerical simulations of 2D images resulting from projections of spherical and ellipsoidal particles of known geometry. The accuracy of the model to retrieve the 3D size and shape distribution of the particles was highlighted, even from high density images. Experimental validation was also performed based on fully characterized suspensions of PMMA balls, of different sizes. Finally, in order to characterize typical systems encountered in multiphase flow processes, the proposed approach was applied to a bubbly flow with different gas flow rates (i.e. for several sizes and densities of bubbles). This PhD work illustrates the relevance of stochastic geometrical modeling for the characterization of two-phase flows. It opens up wide perspectives, as e.g. the implementation of more flexible models to better describe the possible interactions (attractions/repulsions) between particles
Appropriate Similarity Measures for Author Cocitation Analysis
Get PDFWe provide a number of new insights into the methodological discussion about author cocitation analysis. We first argue that the use of the Pearson correlation for measuring the similarity between authors’ cocitation profiles is not very satisfactory. We then discuss what kind of similarity measures may be used as an alternative to the Pearson correlation. We consider three similarity measures in particular. One is the well-known cosine. The other two similarity measures have not been used before in the bibliometric literature. Finally, we show by means of an example that our findings have a high practical relevance.information science;Pearson correlation;cosine;similarity measure;author cocitation analysis
Dispelling the Myths Behind First-author Citation Counts
Get PDFWe conducted a full-scale evaluative citation analysis study of scholars in the XML research field to explore just how different from each other author rankings resulting from different citation counting methods actually are, and to demonstrate the capability of emerging data and tools on the Web in supporting more realistic citation counting methods. Our results contest some common arguments for the continued
use of first-author citation counts in the evaluation of scholars, such as high correlations between author rankings by first-author citation counts and other citation
counting methods, and high costs of using more realistic citation counting methods that are not well-supported by the ISI databases. It is argued that increasingly available digital full text research papers make it possible for citation analysis studies to go beyond what the ISI databases have directly supported and to employ more
sophisticated methods
Quantitative identification of physical characteristics of solid interfaces correlated with the tribological properties
No full textCe travail de thèse vise à apporter de nouvelles briques de compréhension du frotte- ment dans les contacts non lubrifiés (frottement sec). Jusqu’à présent les scenarii quant à l’histoire du contact sont construits qualitativement. Nous nous proposons d’enrichir ces derniers à l’aide de quantifieurs relatifs à la morphologie de l’interface, nommée troisième corps. Ainsi, nous allons chercher à relier les caractéristiques morphologiques aux données rhéologiques tel que le coefficient de frottement (COF). Pour cela, le travail se déroule en quatre étapes. Tout d’abord les expérimentations tribologiques, réalisées sur un tribomètre de type pion-disque, permettent l’acquisition des signaux temporels de la force tangentielle, pour plusieurs conditions d’essais. Deuxièmement, les mesures expérimentales sont analysées, i.e. évolution du COF, et l’analyse post-mortem des surfaces frottées basée sur l’acquisition des images de l’interface à l’aide d’un microscope électronique à balayage. La troisième étape consiste à traiter et analyser les images acquises. Les images sont divisées en 2 catégories : les images de particules pour lesquelles une segmentation est opérée et les images de texture sur lesquelles sont calculées les matrices de cooccurrence. Il est alors possible d’extraire des caractéristiques de ces 2 catégories, des métriques relatives à la taille et la forme des particules segmentées et des métriques statistiques d’ordre deux des matrices de cooccurrence. L’ensemble de ces données caractérise le troisième corps. La dernière étape consiste en la recherche de corrélations entre morphologies caractéristiques du troisième corps et données rhéologiques. Pour cela des bases de données sont construites et un algorithme de machine learning de type random forest (RF) est mis en place. La RF permet de réaliser des prédictions du COF à partir des caractéristiques de l’interface, ainsi que de déterminer quelles sont les caractéristiques pertinentes menant à cette prédiction. Il est finalement possible d’élaguer la liste des caractéristiques pour ne garder que les plus représentative du frottement.This thesis aims to better understand the friction in non-lubricated contacts (dry friction). Until now it was possible to build scenarios about the history of the contact, we propose here to support them with quantifiers related to the morphology of the interface, called third body. For this purpose, we will try to link the morphological characteristics to rheological data such as the coefficient of friction (COF). To do this, we must proceed in four steps: tribological experiments, post-mortem analysis, image processing and analysis and finally research of morpho-tribo correlations. The experimentation is carried out on a disk-pion tribometer allowing the acquisition of the COF, for several test conditions. The post-mortem analyses consist of the analysis of the experimental data and the acquisition of images of the interface using a scanning electron microscope. The images are then divided into 2 categories, the particle images which will undergo a segmentation and the texture images on which the co-occurrence matrices will be calculated. It is then possible to extract features from these 2 categories, metrics related to the size and shape of the segmented particles and second order statistical metrics from the co-occurrence matrices. All these data are used to characterize the third body, so we will try to link them to the measured COF. For this purpose, a machine learning algorithm of the random forest (RF) type is implemented. The RF will allow us to make predictions of the COF from the characteristics of the interface, and will also allow us to determine which are the relevant characteristics leading to this prediction. It will then be possible to prune the list of features to keep only those most representative of the friction
- …
