Approche a-contrario pour la détection de changements sous ...
Approche a-contrario pour la détection de changements sous ...
Approche a-contrario pour la détection de changements sous ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Sommaire<br />
Modélisation a-<strong>contrario</strong><br />
Détection <strong>de</strong> <strong>changements</strong><br />
Conclusion<br />
Introduction<br />
Formalisme général<br />
Nombre <strong>de</strong> fausses a<strong>la</strong>rmes<br />
La définition suivante a été introduite par [Grosjean et Moisan, 2006].<br />
Définition<br />
Soit (X i ) 1≤i≤N un ensemble <strong>de</strong> variables aléatoires. Une fonction<br />
F(i, x) est un NFA (nombre <strong>de</strong> fausses a<strong>la</strong>rmes) <strong>pour</strong> les variables<br />
aléatoires (X i ) si<br />
∀ε, E [|{i, F(i, X i ) ≤ ε}|] ≤ ε. (1)<br />
Si une fonction F vérifie (1), alors <strong>la</strong> famille <strong>de</strong> tests F(i, X i ) ≤ ε<br />
garantit un nombre moyen <strong>de</strong> fausses a<strong>la</strong>rmes inférieur à ε.<br />
→ permet <strong>de</strong> contrôler le nombre <strong>de</strong> fausses détections associé à<br />
une famille <strong>de</strong> variables aléatoires.<br />
Amandine Robin<br />
<strong>Approche</strong> a-<strong>contrario</strong> <strong>pour</strong> <strong>la</strong> détection <strong>de</strong> <strong>changements</strong> <strong>sous</strong>-pixeliques e