ModÃ¨les de Markov triplets en restauration des signaux

More documents

Recommendations

Info

ANNEXE C. VECTEURS GAUSSIENSSoient X 1 et(X 2 ∣X 1 = x 1 ) deux vecteurs réels gaussiens de moyenne respectivesm 1 et A.x 1 +B et de matrices de covariances respectives Σ 1,1 et Σ 2∣1 alors le coupleX=(X 1 ,X 2 ) est un vecteur gaussien de moyenneet de matrice de covariance :m=(Σ=( Σ1,1m 1A.m 1 +B )Σ 1,1 A TAΣ 1,1 Σ 2,1 +AΣ 1,1 A T )128
Bibliographie[1] C. Andrieu, M. Davy, and A. Doucet. Efficient particle filtering for jumpmarkov systems. application to time-varing autoregressions. IEEE Trans. onSignal Process, 51(7) :1762–1770, 2003.[2] B. Annelies. Reconnaissance et compréhension des gestes, applications à lalangue des signes. PhD thesis, Paris 6, 1996.[3] J. K. Baker. The dragon system. IEEE Trans. on Acoustics Speech and SignalProcessing, 23(1) :24–29, 1975.[4] V. S. Barbu and N. Limnios. Semi-markov chains and hidden semi-markovmodels toward applications. Their Use in Reliability and DNA Analysis, 191,2008.[5] L.E. Baum, T. Petrie, G. Soules, and N. Weiss. A maximization techniqueoccuring in the statistical analysis of probabilistic functions of markov chain.Ann. of Math. Statistics, 41 :164–171, 1970.[6] D. Benboudjema. Champs de Markov Triplets et segmentation Baysienne nonsupervisée d’images. Optimisation et sûreté des systèmes, Université de Technologiede Troyes-Institut National des Télécommunications, 2005.[7] B. Benmiloud and W. Pieczynski. Estimation des paramètres dans les chaînesde markov cachées et segmentation d’images. Traitement du Signal, 12(5) :433–454, 1995.[8] F. Le Ber, M. Benoit, C. Scott, J. F. Mari, and C. Mignolet. Studying cropsequences with carrotage a hmm-based data mixing software. Ecological Modelling,191(1) :170–185, 2006.[9] J. Besag. Spatial interaction and the statistical analysis of lattice systems. J.of the Royal Statistical Society Series B, 36(2) :192–236, 1974.[10] J. Besag. On the statistical analysis of dirty picture. J. of the Royal StatisticalSociety Series B, 48(3) :259–302, 1986.[11] J. Besag and C. Kooperberg. On conditional intrinsic autoregressions. Biometrika,pages 733–746, 1995.[12] J. Besag, J. York, and A. Mollé. Bayesien analysis of agricultural field experiments(with discussion). J. of the Royal Statistical Society Series B, 61 :691–746, 1991.[13] I. Bloch, Y. Gousseau, H. Maitre, D. Matignon, M. Sigelle, and F. Tupin. Letraitement des images, volume Tome 1. 2003-2004.129
Page 1:
École Doctorale SMPCThèse présen
Page 6 and 7:
ABSTRACTis to extend these models t
Page 9 and 10:
Table des matièresRésumé . . . .
Page 11 and 12:
NotationsSymbolesN Nombre des obser
Page 13 and 14:
IntroductionNotre travail se situe
Page 15 and 16:
INTRODUCTIONgénéral que le modèl
Page 17 and 18:
Chapitre IModèles de Markov Classi
Page 19 and 20:
CHAPITRE I. MODÈLES DE MARKOV CLAS
Page 21 and 22:
Page 23 and 24:
Page 25 and 26:
Page 27 and 28:
Page 29 and 30:
Page 31 and 32:
Page 33 and 34:
Page 35:
Page 38 and 39:
CHAPITRE II. MODÈLE DE MARKOV COUP
Page 40 and 41:
Page 42 and 43:
Page 44 and 45:
Page 46 and 47:
Page 48 and 49:
Page 50 and 51:
Page 53 and 54:
Chapitre IIIEstimation des paramèt
Page 55 and 56:
CHAPITRE III. ESTIMATION DES PARAM
Page 57 and 58:
Page 59 and 60:
Page 61 and 62:
Page 63 and 64:
Page 65 and 66:
Page 67:
Page 70 and 71:
CHAPITRE IV. MODÈLE DE MARKOV TRIP
Page 72 and 73:
Page 74 and 75:
Page 76 and 77:
Page 78 and 79:
Page 80 and 81:
Page 82 and 83:
Page 84 and 85:
Page 86 and 87:
Page 88 and 89:
Page 90 and 91: CHAPITRE IV. MODÈLE DE MARKOV TRIP
Page 96 and 97: •••••••CHAPITRE IV. M
Page 112 and 113: CHAPITRE V. CHAÎNES CONDITIONNELLE
Page 135: Annexe AK-meansL’algorithme K-mea
Page 139: Annexe CVecteurs gaussiensDéfiniti
Page 143 and 144: BIBLIOGRAPHIE[31] O. L. V. Costa, M
Page 145 and 146: BIBLIOGRAPHIE[66] P. Lanchantin, J.
Page 147 and 148: BIBLIOGRAPHIE[99] W. Pieczynski and
show all

ModÃ¨les de Markov triplets en restauration des signaux

Create successful ePaper yourself

Delete template?

Save as template?