Traits psychopathiques et délinquance autorapportée chez des adolescents suivis en Centre jeunesse

Cette thèse porte sur les traits de personnalité associés aux comportements délinquants. De façon plus spécifique, elle s’intéresse à la contribution des traits de personnalité psychopathiques évalués à l’adolescence pour prédire les conduites délinquantes au début de l’âge adulte, lorsque sont également considérés des indices comportementaux. Elle s’inscrit dans le cadre d’une étude longitudinale plus large destinée à décrire les adolescents des Centres jeunesse du Québec. Aux fins de la thèse, un sous-groupe de jeunes, de sexe masculin, a été sélectionné : ces jeunes présentent un trouble des conduites ou ont manifesté des comportements délinquants au cours de l’adolescence. Cette sélection vise à cerner les adolescents les plus susceptibles de présenter des traits psychopathiques, eu égard à la faible prévalence du trouble dans la population générale. Quarante-huit adolescents ont accepté de participer à l'entrevue utilisant la PCL-SV (Psychopathy Checklist Screening Version). Un premier volet de la thèse valide, au Québec, une version française d’une mesure de la psychopathie adaptée à l'adolescence, la PCL-SV. Les indices de fidélité et de validité sont satisfaisants et comparables à ce qui est rapporté avec d’autres versions de la PCL auprès d’adolescents et d’adultes. Les résultats appuient la pertinence de son utilisation auprès des adolescents. Un second volet du projet porte sur la contribution d’une mesure des traits psychopathiques à l’adolescence à la prédiction des conduites délinquantes au début de l’âge adulte. Les traits psychopathiques, tels qu’évalués à l’aide de la PCL-SV, sont un apport significatif aux indices de comportements délinquants dans la prédiction des conduites délinquantes autorapportées deux ans plus tard. Finalement, un dernier volet explore une approche dimensionnelle dans la conceptualisation de la psychopathie, sous l’angle d’un modèle général de la personnalité : le Modèle à cinq facteurs (MCF). Ce volet porte sur la capacité de ce modèle, alternative au modèle catégoriel, à distinguer des jeunes au plan de la gravité de leur délinquance. Les jeunes présentant une délinquance distinctive ont une plus forte propension à rechercher les sensations fortes que ceux dont la délinquance est générale. Les résultats mettent en lumière l’importance d’une composante d’impulsivité comme élément caractéristique d’un sous-groupe de jeunes présentant une délinquance distinctive. L’étude appuie l’utilisation d’un modèle général de la personnalité pour cerner des traits associés à la psychopathie, permettant ainsi d’identifier un noyau dur de délinquants. L’ensemble du projet permet d’établir la valeur ajoutée d’une mesure des traits psychopathiques à l’adolescence pour la prédiction des conduites délinquantes. Il met en lumière l’importance d’une composante d’impulsivité chez les jeunes impliqués dans une délinquance distinctive. C’est l’une des rares études longitudinales s’intéressant à la délinquance autorapportée et à la psychopathie sous l’angle des facettes du MCF chez des adolescents. Il y a une telle hétérogénéité parmi les jeunes délinquants qu’une mesure valide de la psychopathie à l’adolescence permettra une identification plus fiable des jeunes susceptibles de poursuivre leur trajectoire criminelle à l’âge adulte. Les implications cliniques des résultats et les recommandations pour des recherches futures sont reprises dans la conclusion de l’ouvrage.

Speaker identification using higher order spectral phase features and their effectiveness vis-a-vis Mel-Cepstral features

The effectiveness of higher-order spectral (HOS) phase features in speaker recognition is investigated by comparison with Mel Cepstral features on the same speech data. HOS phase features retain phase information from the Fourier spectrum unlikeMel–frequency Cepstral coefficients (MFCC). Gaussian mixture models are constructed from Mel– Cepstral features and HOS features, respectively, for the same data from various speakers in the Switchboard telephone Speech Corpus. Feature clusters, model parameters and classification performance are analyzed. HOS phase features on their own provide a correct identification rate of about 97% on the chosen subset of the corpus. This is the same level of accuracy as provided by MFCCs. Cluster plots and model parameters are compared to show that HOS phase features can provide complementary information to better discriminate between speakers.

Crowd Counting Using Multiple Local Features

In public venues, crowd size is a key indicator of crowd safety and stability. Crowding levels can be detected using holistic image features, however this requires a large amount of training data to capture the wide variations in crowd distribution. If a crowd counting algorithm is to be deployed across a large number of cameras, such a large and burdensome training requirement is far from ideal. In this paper we propose an approach that uses local features to count the number of people in each foreground blob segment, so that the total crowd estimate is the sum of the group sizes. This results in an approach that is scalable to crowd volumes not seen in the training data, and can be trained on a very small data set. As a local approach is used, the proposed algorithm can easily be used to estimate crowd density throughout different regions of the scene and be used in a multi-camera environment. A unique localised approach to ground truth annotation reduces the required training data is also presented, as a localised approach to crowd counting has different training requirements to a holistic one. Testing on a large pedestrian database compares the proposed technique to existing holistic techniques and demonstrates improved accuracy, and superior performance when test conditions are unseen in the training set, or a minimal training set is used.

Tests of the elaborated intrusion theory of craving and desire : features of alcohol craving during treatment for an alcohol disorder

Objectives. We tested predictions from the elaborated intrusion (EI) theory of desire, which distinguishes intrusive thoughts and elaborations, and emphasizes the importance of imagery. Secondarily, we undertook preliminary evaluations of the Alcohol Craving Experience (ACE) questionnaire, a new measure based on EI Theory. Methods. Participants (N ¼ 232) were in correspondence-based treatment trials for alcohol abuse or dependence. The study used retrospective reports obtained early in treatment using the ACE, and daily self-monitoring of urges, craving, mood and alcohol consumption. Results. The ACE displayed high internal consistency and test – retest reliability and sound relationships with self-monitored craving, and was related to Baseline alcohol dependence, but not to consumption. Imagery during craving was experienced by 81%,with 2.3 senses involved on average. More frequent imagery was associated with longer episode durations and stronger craving. Transient intrusive thoughts were reported by 87% of respondents, and were more common if they frequently attempted to stop alcohol cognitions. Associations between average daily craving and weekly consumption were seen. Depression and negative mood were associated with more frequent, stronger and longer lasting desires for alcohol. Conclusions. Results supported the distinction of automatic and controlled processes in craving, together with the importance of craving imagery. They were also consistent with prediction of consumption from cross-situational averages of craving, and with positive associations between craving and negative mood. However, this study’s retrospective reporting and correlational design require that its results be interpreted cautiously. Research using ecological momentary measures and laboratory manipulations is needed before confident inferences about causality can be made.

Selecting, optimizing and fusing ‘salient’ Gabor features for facial expression recognition

This paper describes a novel framework for facial expression recognition from still images by selecting, optimizing and fusing ‘salient’ Gabor feature layers to recognize six universal facial expressions using the K nearest neighbor classifier. The recognition comparisons with all layer approach using JAFFE and Cohn-Kanade (CK) databases confirm that using ‘salient’ Gabor feature layers with optimized sizes can achieve better recognition performance and dramatically reduce computational time. Moreover, comparisons with the state of the art performances demonstrate the effectiveness of our approach.