offres d'emploi formations actualités contact accès annuaire intranet
Imap >

Modélisation et classification

Dans le contexte d’aide à la décision, on veillera à l’intégration de connaissances a priori sémantiques :

- Classification spectrale. Les approches spectrales permettent de manière naturelle l’intégration de connaissances contextuelles labels et contraintes de comparaison. Nous avons veillé au réglage automatique des paramètres des algorithmes notamment la construction du graphe et ses poids des connexions ainsi que le nombre des partitions du graphe (nombre des classes.
- Classification par modèles de mélanges. On s’intéresse aux méthodes d’estimation paramétrique et non paramétrique adaptées au modèle de mélange de lois pour la segmentation statistique des images. En paramétrique, l’estimation est basée sur un modèle de la diagonale modifiée de la loi de probabilité de Riesz définie sur le cône des matrices symétriques définies positives. En non paramétrique l’estimation est basée sur les fonctions B-splines de second ordre pour l’estimation du mélange de lois par les fonctions orthogonales.
- Modélisation de signaux spatio-temporels. Il s’agit d’élaborer un modèle dynamique à partir d’une analyse avancée de données issues de signaux multivariés et leurs cohérences dans un contexte de données bruitées, manquantes, voire erronées. Les outils employés sont l’appariement élastique, l’apprentissage spectral et le modèle de Markov caché.