Reconnaissance des formes par méthodes à noyau dans le domaine temps-fréquence

Paul Honeine (1) , Cédric Richard (1) , Patrick Flandrin (2)

1 M2S - Modélisation et Sûreté des Systèmes
2 Phys-ENS - Laboratoire de Physique de l'ENS Lyon

Au cours de la dernière décennie, de nombreuses méthodes pour l'analyse et la classification de données fondées sur la théorie des noyaux reproduisants ont été proposées. Elles constituent une source de progrès, tant au niveau de la complexité algorithmique que des performances atteintes. On montre dans cet article qu'un choix approprié de noyau reproduisant permet à ces méthodes d'opérer sur des représentations temps- fréquence. Ce lien ouvre de multiples perspectives au domaine de l'analyse des signaux non-stationnaires puisqu'il lui permet d'accéder aux plus récentes avancées méthodologiques et théoriques en matière de reconnaissance des formes et de théorie de l'apprentissage.

Mots clés: Time-frequency analysis; Kernel machines; Support vector machines; non-stationarity; machine learning

Domaines: Apprentissage [cs.LG]; Traitement du signal et de l'image [eess.SP]; Traitement du signal et de l'image [eess.SP]; Vision par ordinateur et reconnaissance de formes [cs.CV]

Paul Honeine, Cédric Richard, Patrick Flandrin. Reconnaissance des formes par méthodes à noyau dans le domaine temps-fréquence. Actes du XX-ème Colloque GRETSI sur le Traitement du Signal et des Images, 2005, Louvain-la-Neuve, Belgique. pp.969 - 972. ⟨hal-01966061⟩