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

4.5 Deuxième approche : taxonomie de recherche 357060Wrapper (avec taxonomie)Wrapper (sans taxonomie)Cfs (sans taxonomie)ReliefF (sans taxonomie)Gain d’information (sans taxonomie)Ratio du gain d’information (sans taxonomie)Erreur de classification (%)50403020100 0.2 0.4 0.6 0.8 1Cout de calcul maximum des descripteursFIG. 4.5 – Erreur de classification associée au meilleur sous-ensemble de descripteurstrouvé en fonction du coût de calcul maximum avec une gaussiennemulti-dimensionnelle modélisant chaque classe.de descripteurs de faible coût de calcul formés à partir de l’ordre donné parces algorithmes sont d’une part peu nombreux, et d’autre part peu performants.Deuxième approche Avec les deux classifieurs, l’ajout des descripteurs spectrauxpermet dans tous les cas d’améliorer la performance de classification. Par ailleurs,les descripteurs trouvés dans l’ensemble E 2 (incluant les descripteurs temporels,spectraux et perceptifs) sont dans les deux cas plus performants queceux obtenu en sélectionnant dans l’ensemble E 3 (incluant les descripteurstemporels, spectraux et harmoniques). Ceci se voit au fait qu’il n’y a pas depalier au coût de calcul correspondant à E 3 , dont la valeur est 0,79. La significationde ce résultat est que l’ajout des descripteurs perceptifs est plus bénéfiqueà la performance du système que l’ajout des descripteurs harmoniques.Par ailleurs toujours avec les deux classifieurs, aucune meilleure performancen’est trouvée dans l’ensemble E 4 qui contient tous les descripteurs. Nousexpliquons ceci par le fait que la dimensionnalité du problème devient tropélevée pour la recherche pas à pas, ce qui se traduit par un résultat plus éloignéd’un optimum (en tout cas, un meilleur optima est trouvé dans des ensemblesde plus petite taille).