Modèles semi-markoviens cachés de séquences d'evénements : Application en cartographie IRM fonctionnelle cérébrale

Show full item record

Files in this item

PDF A352.pdf 389.6Kb

Pour citer ce document :
URI: http://hdl.handle.net/2042/13687
Title: Modèles semi-markoviens cachés de séquences d'evénements : Application en cartographie IRM fonctionnelle cérébrale
Author: FAISAN, Sylvain; THORAVAL, Laurent; ARMSPACH, Jean-Paul
Abstract: L'hypothèse de stationarité par morceaux du processus observable d'une chaîne de Markov cachée rend les modèles de Markov cachés(MMCs) inadaptés à l'analyse de processus aléatoires de nature événementielle. Pour de tels processus, une nouvelle classe de MMCs est proposée: les modèles semi-Markoviens cachés de séquences d'événements. Le processus observable n'est plus de nature segmentale mais issu d'une étape de détection et de caractérisation. Le formalisme markovien standard est adapté en conséquence. Les résultats obtenus en cartographie de séquence d'images IRM fonctionnelle valident cette nouvelle approche de modélisation statistique tout en ouvrant de nouvelles perspectives dans la reconnaissance et la détection de processus aléatoires de nature événementielle.
Publisher: GRETSI, Groupe d’Etudes du Traitement du Signal et des Images
Date: 2003

This item appears in the following Collection(s)

Show full item record





Advanced Search