L'objectif de ce travail est de contribuer au développement de méthodes de choix de la meilleure base à partir d'une décomposition en paquets d'ondelettes pour la détection et la classification. Le cadre applicatif global est le choix de la meilleure base pour la détection d'événements dans le signal EMG utérin, utilisé pour la prévention des accouchements prématurés. Deux approches de modélisation sont utilisées pour mettre en évidence le contenu fréquentiel des événements. La première est fondée sur la décomposition discrète en ondelettes, la deuxième sur la décomposition en paquets d'ondelettes. La distance de Kullback Leibler est utilisée comme un critère du choix de la meilleure base pour la détection. La détection est effectuée sur les coefficients des paquets sélectionnés. Un décalage est généré différemment sur chaque paquet d'où la nécessité de redéfinir les vraies valeurs des instants de changement et d'appliquer une procédure de fusion pour avoir ensuite un seul instant de détection correspondant au signal original. Le choix des paquets les plus discriminants pour la classification est traité. Les événements détectés sont identifiés "physiologiquement" en utilisant les méthodes de K Plus Proches Voisins, la distance de Mahalanobis, les réseaux de neurones et les Machines à Vecteurs Support. Plus de 85% des événements ont été bien classifiés.
Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00452410 |
Date | 14 March 2006 |
Creators | Chendeb, Marwa |
Publisher | Université de Technologie de Troyes |
Source Sets | CCSD theses-EN-ligne, France |
Language | French |
Detected Language | French |
Type | PhD thesis |
Page generated in 0.0013 seconds