Reconnaissance supervisée et non supervisée de lois à partir d’échantillons finis

Show full item record

Files in this item

PDF TraitSignal_2012_29_1_101_Article.pdf 477.9Kb

Pour citer ce document :
URI: http://hdl.handle.net/2042/70390
Title: Reconnaissance supervisée et non supervisée de lois à partir d’échantillons finis
Author: Alata, Olivier; Olivier, Christian; Jin, Zhan; Pousset, Yannis
Abstract: Dans cet article, nous abordons le problème de la reconnaissance de lois de probabilité à partir d'échantillons variant de 100 à 10 000 ou plus. Le contexte applicatif porte sur la modélisation de canaux radio-mobile en situation de visibilité ou de non-visibilité directe entre émetteur et récepteur. Ce problème est crucial pour améliorer les communications numériques. Dans la communauté des transmissions numériques, il est courant d'utiliser la distance de Kolmogorov-Smirnov. Plus rarement, une méthode à noyau est considérée avant le test comparatif. Nous proposons d'utiliser les critères d'information (IC), d'une part pour approcher les lois de probabilité par un histogramme, et d'autre part pour sélectionner le meilleur modèle de loi. Nous étudions les cas supervisé et non supervisé et comparons les méthodes dans ces situations réalistes. Les résultats montrent l'intérêt d'utiliser les méthodes exploitant les IC.In this paper, we address the problem of law recognition from samples with size varying from 100 to 10000 or more. The application context concerns the modelling of mobile radio channel for configurations where transmitter and receiver are either in "line of sight" or in "non line of sight" situations. This problem is crucial to improve the digital communication. In the digital transmission community, the Kolmogorov-Smirnov's distance is commonly used. More seldomly in this context, a kernel method is considered to approach the probability laws before the comparative test. We suggest here using the information criteria, on one hand to approach the probability laws by a histogram, and on the other hand to select the best law model. We shall study the supervised and unsupervised cases and shall compare the methods in these realistic situations. Results show the interest of using information criteria based methods.
Subject: reconnaissance de lois; approches supervisée et non supervisée; critères d'information; estimateur de densité par noyau; communications numériques; law recognition; supervised and unsupervised methods; information criteria; kernel density estimator; digital communications
Publisher: Lavoisier
Date: 2012

This item appears in the following Collection(s)

Show full item record





Advanced Search