JdS2012


 English   -  Français  

Résumé de communication



Résumé 211 :

Chaînes de Markov cachées avec une loi d'émission mélange.
Volant, Stevenn ; Bérard, Caroline ; Martin-Magniette, Marie-Laure ; Robin, Stéphane
AgroParisTech

En classification non supervisée, les modèles de Markov cachés (HMM) sont utilisés afin de prendre en compte une structure de voisinage entre les observations. Pour ces modèles, la loi d'émission est souvent supposée appartenir à une famille de distributions paramétriques. Nous proposons une modélisation semi-paramétrique pour laquelle les lois d'émissions sont caractérisées par un mélange de distributions paramétriques, offrant une plus grande flexibilité. Nous montrons que l'algorithme EM peut être adapté pour inférer les paramètres du modèle. Afin d'estimer le nombre de groupes, nous avons développé des critères de sélection s'appuyant sur l'approximation BIC et appropriés à la modélisation semi-paramétrique proposée. En ce qui concerne l'étape d'initialisation de l'algorithme EM, nous proposons une approche hiérarchique visant à combiner les composants entre eux. A partir du calcul de la vraisemblance, nous introduisons trois critères permettant de déterminer les composants à combiner. Une étude de simulation a été réalisée à la fois dans l'objectif de déterminer la meilleure combinaison entre les critères d'appariement et les critères de sélection de modèles et dans le but d'évaluer la qualité de la classification.