Approche Bayésienne non-paramétrique pour la découverte de comportements émergents à partir de trajectoires - Archive ouverte HAL Access content directly
Conference Papers Year : 2014

Approche Bayésienne non-paramétrique pour la découverte de comportements émergents à partir de trajectoires

Abstract

Cet article propose une approche Bayésienne nonparamétrique pour la découverte, à partir d'un ensemble structuré de trajectoires, de comportements émergents au sein d'une colonie d'insectes. L'analyse exploratoire des trajectoires issues de la scène encombrée s'effectue par classification non supervisée, simultanément sur des niveaux sémantiques différents, et où le nombre de clusters pour chaque niveau n'est pas défini a priori mais est estimé à partir des données. L' approche Bayésienne non paramétrique s'appuie sur des processus de Dirichlet à mélange et conduit à la construction d'une hiérarchie sémantique. Pour la validation de notre approche, une pseudovérité terrain est générée à l'aide d'un Système MultiAgents suivant l'algorithme des abeilles. L'intérêt de cette approche est, pour gagner en robustesse, l'apport d'un minimum d'a priori aussi bien au niveau des trajectoires simulées, sans modèles formels, qu'au niveau de la modélisation elle-même. La capacité de notre approche pour découvrir des comportements émergents de niveaux sémantiques différents est montrée expérimentalement.
Fichier principal
Vignette du fichier
rfia2014_submission_21.pdf (386.15 Ko) Télécharger le fichier
Origin : Publisher files allowed on an open archive
Loading...

Dates and versions

hal-00988587 , version 1 (08-05-2014)

Identifiers

  • HAL Id : hal-00988587 , version 1

Cite

Guillaume Chiron, Petra Gomez-Krämer, Michel Ménard. Approche Bayésienne non-paramétrique pour la découverte de comportements émergents à partir de trajectoires. Reconnaissance de formes et intelligence artificielle (RFIA) 2014, Jun 2014, France. ⟨hal-00988587⟩
133 View
155 Download

Share

Gmail Facebook Twitter LinkedIn More