Segmentation non-supervisée dans les champs de Markov couples gaussiens - Archive ouverte HAL
Communication Dans Un Congrès Année : 2019

Segmentation non-supervisée dans les champs de Markov couples gaussiens

Résumé

We present a new probabilistic latent. variable model to characterize strong correlations. A robust unsupervised parameter estimation method is proposed. The new model performs well against other classical methods in practical cases where a model including correlated noise is useful
Nous présentons un modèle probabiliste à données cachées pour la modélisation de variables fortement corrélées. Une méthode d’estimation non-supervisée des paramètres se distinguant par sa robustesse est proposée. Le nouveau modèle s’illustre face à d’autres méthodes dans les problèmes pratiques où la modélisation par bruit corrélé est pertinente.
Fichier principal
Vignette du fichier
islandora_110532.pdf (396.78 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03228240 , version 1 (17-05-2021)

Identifiants

  • HAL Id : hal-03228240 , version 1

Citer

Hugo Gangloff, Jean-Baptiste Courbot, Emmanuel Monfrini, Christophe Collet. Segmentation non-supervisée dans les champs de Markov couples gaussiens. GRETSI 2019: XXVIIème colloque francophone de traitement du signal et des images, Aug 2019, Lille, France. pp.177-180. ⟨hal-03228240⟩
52 Consultations
52 Téléchargements

Partager

More