déposer
version française rss feed
HAL : hal-00730423, version 1

Fiche détaillée  Récupérer au format
2012 IEEE Statistical Signal Processing Workshop (SSP 2012), Ann Arbor, Michigan : États-Unis (2012)
Preprocessing for classification of sparse data: application to trajectory recognition
Aurélien Mayoue 1, Quentin Barthélemy 1, 2, Sébastien Onis 3, 4, Anthony Larue 1
(07/08/2012)

On one hand, sparse coding, which is widely used in signal processing, consists of representing signals as linear combinations of few elementary patterns selected from a dedicated dictionary. The output is a sparse vector containing few coding coefficients and is called sparse code. On the other hand, Multilayer Perceptron (MLP) is a neural network classification method that learns non linear borders between classes using labeled data examples. The MLP input data are vectors, usually normalized and preprocessed to minimize the inter-class correlation. This article acts as a link between sparse coding and MLP by converting sparse code into convenient vectors for MLP input. This original association assures in this way the classification of any sparse signals. Experimental results obtained by the whole process on trajectories data and comparisons to other methods show that this approach is efficient for signals classification.
1 :  Laboratoire Information, Modèles, Apprentissage [Gif-sur-Yvette]
CEA : LIST
2 :  Grenoble Images Parole Signal Automatique (GIPSA-lab)
CNRS : UMR5216 – Université Joseph Fourier - Grenoble I – Université Pierre-Mendès-France - Grenoble II – Université Stendhal - Grenoble III – Institut Polytechnique de Grenoble - Grenoble Institute of Technology
3 :  EURECOM
EURECOM
4 :  Laboratoire Traitement et Communication de l'Information [Paris] (LTCI)
Télécom ParisTech – CNRS : UMR5141
SIGMAPHY
Sciences de l'ingénieur/Traitement du signal et de l'image

Informatique/Traitement du signal et de l'image
Sparse coding – classification – multilayer perceptron – trajectories data
Liste des fichiers attachés à ce document : 
PDF
SSP_BQ_mayoue.pdf(495.6 KB)

tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...
tous les articles de la base du CCSd...