RAPPORT D'ACTIVITÉ 2003 - WWW Ircam

RAPPORT DETAILLERECHERCHE ET DEVELOPPEMENTPERCEPTION ET COGNITION MUSICALESstructure musicale. Enfin, nous avons déterminé la pertinencede patterns mélodico-rythmiques types --- tournures et formulesmélodiques préétablies par la culture pouvant jouer le rôledes schémas de reconnaissance --- pendant l'écoute et l'analyseperceptive en temps réel du style classique et du stylemoderne d'improvisation musicale [Ayari03a, Ayari03b,Ayari0a].Participants : M. Ayari, S. McAdams2.6 Outils d'analyse de donnéesDiverses techniques d'analyse de données multidimensionnelleet de fouille des données symboliques sont développées.2.6.1 Données manquantes dans l'analysemultidimensionnelle des proximitésL'analyse multidimensionnelle des proximités (MDS) estconstituée d'un ensemble de modèles multivariés quireprésentent des objets comme des points ou des vecteurs dansun espace multidimensionnel. Le modèle Exscal est modifié pourincorporer les données manquantes, en utilisant un algorithmeEM. Dans 2003 la performance de cette nouvelle version del'algorithm a été évaluée dans plusieurs conditions, c'est-àdirepour différentes niveaux d'erreur, pour différentsnombres de données manquantes et pour différentesdistributions des données manquantes. On a demontré quel'algorithme fonctionne bien sous toutes ces conditions. Lesrésultats ont été présentés lors d'un congrès sur les méthodesMDS, DIMACS. Ce logiciel permettra l'analyse des ensembles dedonnées beaucoup plus grands.Participants : S. WinsbergCollaborations extérieures : J. D. Carroll (RutgersUniversity, New Jersey, USA)2.6.2 Traitement des objets symboliques dans la fouilledes donnéesPlusieurs projets traitant des Objets Symboliques dans lecadre de la fouille de données seront menés. En analyse dedonnées symboliques, on s'intéresse à des populations plusgrandes du fait que les "individus" ou "objets" sont desclasses. Dans ce dernier cas, on conserve la spécificité desindividus en décrivant chacun d'eux par une variable aléatoirepour chaque descripteur. On s'intéresse alors au tableau dedonnées induit par l'ensemble des valeurs atteintes par cesvariables aléatoires. Ainsi chaque case du tableau des donnéescontient non pas une valeur unique comme c'est le cashabituellement mais peut contenir un intervalle, unhistogramme ou une distribution de probabilités.On a developpé une technique d'analyse des proximités quitraitent des données en forme d'intervalles. On traite commedonnées pour chaque paire de stimuli une valeur minimale etune valeur maximale. Ces données peuvent être le résultat d'unseul juge qui donne une intervalle plutôt qu'une seule valeur,ou des valeurs qui viennent d'un ensemble de juges. Lesrésultats de ce type d'analyse est un hypercube occupé parchaque stimulus plutôt qu'un point comme on trouve dans lesanalyses classiques. Cette technique permettra à la fois detraiter les données qui viennent d'un très grand nombre de- 80 -