Conception des modèles d'observation audio temps réel à l ... - atiam

14 Sélection de descripteursclasse, mais à constituer autant de voisinages de k points (k étant un paramètrede l’algorithme) qu’il y a de classes, et à moyenner sur ces voisinage.Cet apport rend l’algorithme moins sensible au bruit. La méthode possèdeun biais [8] qui est d’autant plus fort que le nombre de descripteurs est granddevant le nombre d’exemples d’apprentissage. Cependant, elle est peu coûteuseen calculs et constitue, parmi les filter, une alternative aux critères issusde la théorie de l’information.Limite des approches FilterEn 1997, Kohavi & John [18] donnent différentes définitions de la notionde pertinence d’un descripteur et mettent en évidence les limites desapproches de type filter en montrant que la pertinence n’implique pas l’optimalitéet l’optimalité n’implique pas la pertinence. L’optimalité dépend du classifieuremployé, et les méthodes filter connues jusqu’alors ne le prennent pasen compte.Le problème du choix du nombre de descripteurs à retenir à partir del’ordre donné par un algorithme filter est lié au fait que le classifieur n’est paspris en compte lors de la sélection. Le nombre de descripteurs retenus a unimpact imprévisible sur les différents critères servant à évaluer un classifieur.2.6 Recherches et évaluateurs de sous-ensemblesLes approches combinant un algorithme de parcours de l’espace de rechercheet un évaluateur de sous-ensembles de descripteurs mesurent la qualitéd’un descripteur en prenant en compte un contexte : les autres descripteurs.Plus raffinée que les filters, cette approche aborde l’espace de recherchedans sa totalité avec une méthode "générer et tester". La génération des solutionscandidates est faite par l’algorithme de parcours de l’espace de recherche.Le test est effectué par l’évaluateur qui attribue un mérite aux sousensemblesde descripteurs, permettant à l’algorithme de recherche de lescomparer entre eux pour diriger la recherche.Heuristiques de rechercheNous présentons ici les deux algorithmes de parcours de l’espace de rechercheles plus couramment utilisés : la recherche naïve pas à pas et la recherchegénétique. La première offre généralement un optimum local et estfacilement paramétrable, alors que la seconde offre de plus grandes preuvesthéoriques de possibilité de convergence vers un optimum global mais neconverge pas systématiquement en un temps raisonnable.Recherche pas à pas Avec cet algorithme, un descripteur est sélectionnéà chaque itération. Dans sa variante "sélection en avant" (forward selection),pour chaque descripteur candidat à la sélection, le mérite du sous-ensemblede descripteurs incluant le candidat et tous les descripteurs sélectionnés aux