Filtrage vaste marge pour l'étiquetage séquentiel à noyaux de signaux

Abstract : We address in this paper the problem of multi-channel signal sequence labeling. In particular, we consider the problem where the signals are contaminated by noise or may present some dephasing with respect to their labels. For that, we propose to jointly learn a SVM sample classifier with a temporal filtering of the channels. This will lead to a large margin filtering that is adapted to the specificity of each channel (noise and time-lag). We derive algorithms to solve the optimization problem and we discuss different filter regularizations for automated scaling or selection of channels. Our approach is tested on a non-linear toy example and on a BCI dataset. Results show that the classification performance on these problems can be improved by learning a large margin filtering.
Type de document :
Communication dans un congrès
Conférence Francophone sur l'Apprentissage Automatique, May 2010, Clermont Ferrand, France. 12p., 2010
Liste complète des métadonnées


https://hal.archives-ouvertes.fr/hal-00497296
Contributeur : Rémi Flamary <>
Soumis le : samedi 3 juillet 2010 - 21:36:50
Dernière modification le : mercredi 20 mai 2015 - 01:04:24
Document(s) archivé(s) le : lundi 4 octobre 2010 - 11:54:44

Fichiers

Cap2010.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00497296, version 1
  • ARXIV : 1007.0824

Collections

Citation

Rémi Flamary, Benjamin Labbé, Alain Rakotomamonjy. Filtrage vaste marge pour l'étiquetage séquentiel à noyaux de signaux. Conférence Francophone sur l'Apprentissage Automatique, May 2010, Clermont Ferrand, France. 12p., 2010. <hal-00497296>

Partager

Métriques

Consultations de
la notice

70

Téléchargements du document

68