Advanced search options

Advanced Search Options 🞨

Browse by author name (“Author name starts with…”).

Find ETDs with:

in
/  
in
/  
in
/  
in

Written in Published in Earliest date Latest date

Sorted by

Results per page:

Sorted by: relevance · author · university · dateNew search

You searched for subject:(Triplet Markov chains). Showing records 1 – 3 of 3 total matches.

Search Limiters

Last 2 Years | English Only

No search limiters apply to these results.

▼ Search Limiters

1. Ben Mabrouk, Mohamed. Modèles de Markov triplets en restauration des signaux : Triplet Markov models in restoration signals.

Degree: Docteur es, Mathématiques appliquées, 2011, Evry, Institut national des télécommunications

La restauration statistique non-supervisée de signaux admet d'innombrables applications dans les domaines les plus divers comme économie, santé, traitement du signal, ... Un des problèmes de base, qui est au coeur de cette thèse, est d'estimer une séquence cachée (Xn)1:N à partir d'une séquence observée (Yn)1:N. Ces séquences sont considérées comme réalisations, respectivement, des processus (Xn)1:N et (Yn)1:N. Plusieurs techniques ont été développées pour résoudre ce problème. Le modèle parmi le plus répandu pour le traiter est le modèle dit "modèle de Markov caché" (MMC). Plusieurs extensions de ces modèles ont été proposées depuis 2000. Dans les modèles de Markov couples (MMCouples), le couple (X, Y) est markovien, ce qui implique que p(x|y) est également markovienne (alors que p(x) ne l'est plus nécessairement), ce qui permet les mêmes traitements que dans les MMC. Plus récemment (2002) les MMCouples ont été étendus aux "modèles de Markov triplet" (MMT), dans lesquels on introduit un processus auxiliaire U et suppose que le triplet T = (X, U, Y) est markovien. Là encore il est possible, dans un cadre plus général que celui des MMCouples, d'effectuer des traitements avec une complexité raisonnable. L'objectif de cette thèse est de proposer des nouvelles modélisations faisant partie des MMT et d'étudier leur pertinence et leur intérêt. Nous proposons deux types de nouveautés: (i) Lorsque la chaîne cachée est discrète et lorsque le couple (X, Y) n'est pas stationnaire, avec un nombre fini de "sauts" aléatoires dans les paramètres, l'utilisation récente des MMT dans lesquels les sauts sont modélisés par un processus discret U a donné des résultats très convaincants (Lanchantin, 2006). Notre première idée est d'utiliser cette démarche avec un processus U continu, qui modéliserait des non-stationnarités "continues" de(X, Y). Nous proposons des chaînes et des champs triplets et présentons quelques expériences. Les résultats obtenus dans la modélisation de la non-stationnarité continue semblent moins intéressants que dans le cas discret. Cependant, les nouveaux modèles peuvent présenter d'autres intérêts; en particulier, ils semblent plus efficaces que les modèles "chaînes de Markov cachées" classiques lorsque le bruit est corrélé; (ii) Soit un MMT T = (X, U, Y) tel que X et Y sont continu et U est discret fini. Nous sommes en présence du problème de filtrage, ou du lissage, avec des sauts aléatoires. Dans les modélisations classiques le couple caché (X, U) est markovien mais le couple (U, Y) ne l'est pas, ce qui est à l'origine de l'impossibilité des calculs exacts avec une complexité linéaire en temps. Il est alors nécessaire de faire appel à diverses méthodes approximatives, dont celles utilisant le filtrage particulaire sont parmi les plus utilisées. Dans des modèles MMT récents le couple caché (X, U) n'est pas nécessairement markovien, mais le couple (U, Y) l'est, ce qui permet des traitements exacts avec une complexité raisonnable (Pieczynski 2009). Notre deuxième idée est d'étendre ces derniers modèles aux… Advisors/Committee Members: Pieczynski, Wojciech (thesis director).

Subjects/Keywords: Chaînes Markov cachées; Chaînes couple et triplet; Chaîne partiellement de Markov; Hidden Markov chains; Markov models couples and triplet; Partially markov chains

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Ben Mabrouk, M. (2011). Modèles de Markov triplets en restauration des signaux : Triplet Markov models in restoration signals. (Doctoral Dissertation). Evry, Institut national des télécommunications. Retrieved from http://www.theses.fr/2011TELE0014

Chicago Manual of Style (16th Edition):

Ben Mabrouk, Mohamed. “Modèles de Markov triplets en restauration des signaux : Triplet Markov models in restoration signals.” 2011. Doctoral Dissertation, Evry, Institut national des télécommunications. Accessed October 20, 2019. http://www.theses.fr/2011TELE0014.

MLA Handbook (7th Edition):

Ben Mabrouk, Mohamed. “Modèles de Markov triplets en restauration des signaux : Triplet Markov models in restoration signals.” 2011. Web. 20 Oct 2019.

Vancouver:

Ben Mabrouk M. Modèles de Markov triplets en restauration des signaux : Triplet Markov models in restoration signals. [Internet] [Doctoral dissertation]. Evry, Institut national des télécommunications; 2011. [cited 2019 Oct 20]. Available from: http://www.theses.fr/2011TELE0014.

Council of Science Editors:

Ben Mabrouk M. Modèles de Markov triplets en restauration des signaux : Triplet Markov models in restoration signals. [Doctoral Dissertation]. Evry, Institut national des télécommunications; 2011. Available from: http://www.theses.fr/2011TELE0014

2. Boudaren, Mohamed El Yazid. Modèles graphiques évidentiels : Evidential graphical models.

Degree: Docteur es, Systèmes intelligents et Ingénierie des logiciels, 2014, Evry, Institut national des télécommunications; Université des sciences et de la technologie Houari Boumediene (Alger)

Les modélisations par chaînes de Markov cachées permettent de résoudre un grand nombre de problèmes inverses se posant en traitement d’images ou de signaux. En particulier, le problème de segmentation figure parmi les problèmes où ces modèles ont été le plus sollicités. Selon ces modèles, la donnée observable est considérée comme une version bruitée de la segmentation recherchée qui peut être modélisée à travers une chaîne de Markov à états finis. Des techniques bayésiennes permettent ensuite d’estimer cette segmentation même dans le contexte non-supervisé grâce à des algorithmes qui permettent d’estimer les paramètres du modèle à partir de l’observation seule. Les chaînes de Markov cachées ont été ultérieurement généralisées aux chaînes de Markov couples et triplets, lesquelles offrent plus de possibilités de modélisation tout en présentant des complexités de calcul comparables, permettant ainsi de relever certains défis que les modélisations classiques ne supportent pas. Un lien intéressant a également été établi entre les modèles de Markov triplets et la théorie de l’évidence de Dempster-Shafer, ce qui confère à ces modèles la possibilité de mieux modéliser les données multi-senseurs. Ainsi, dans cette thèse, nous abordons trois difficultés qui posent problèmes aux modèles classiques : la non-stationnarité du processus caché et/ou du bruit, la corrélation du bruit et la multitude de sources de données. Dans ce cadre, nous proposons des modélisations originales fondées sur la très riche théorie des chaînes de Markov triplets. Dans un premier temps, nous introduisons les chaînes de Markov à bruit M-stationnaires qui tiennent compte de l’aspect hétérogène des distributions de bruit s’inspirant des chaînes de Markov cachées M-stationnaires. Les chaînes de Markov cachée ML-stationnaires, quant à elles, considèrent à la fois la loi a priori et les densités de bruit non-stationnaires. Dans un second temps, nous définissons deux types de chaînes de Markov couples non-stationnaires. Dans le cadre bayésien, nous introduisons les chaînes de Markov couples M-stationnaires puis les chaînes de Markov couples MM-stationnaires qui considèrent la donnée stationnaire par morceau. Dans le cadre évidentiel, nous définissons les chaînes de Markov couples évidentielles modélisant l’hétérogénéité du processus caché par une fonction de masse. Enfin, nous présentons les chaînes de Markov multi-senseurs non-stationnaires où la fusion de Dempster-Shafer est employée à la fois pour modéliser la non-stationnarité des données (à l’instar des chaînes de Markov évidentielles cachées) et pour fusionner les informations provenant des différents senseurs (comme dans les champs de Markov multi-senseurs). Pour chacune des modélisations proposées, nous décrivons les techniques de segmentation et d’estimation des paramètres associées. L’intérêt de chacune des modélisations par rapport aux modélisations classiques est ensuite démontré à travers des expériences menées sur des données synthétiques et réelles

Hidden Markov chains (HMCs) based approaches…

Advisors/Committee Members: Aissani, Amar (thesis director), Pieczynski, Wojciech (thesis director).

Subjects/Keywords: Chaînes de Markov cachées; Chaînes de Markov couples; Chaînes de Markov triplets; Segmentation non-supervisée; Estimation bayésienne; Estimation des paramètres; Données non-stationnaires; Théorie de l'évidence; Hidden Markov chains; Pairwise Markov chains; Triplet Markov chains; Unsupervised segmentation; Bayesian estimation; Parameters estimation; Nonstationary data; Theory of evidence

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Boudaren, M. E. Y. (2014). Modèles graphiques évidentiels : Evidential graphical models. (Doctoral Dissertation). Evry, Institut national des télécommunications; Université des sciences et de la technologie Houari Boumediene (Alger). Retrieved from http://www.theses.fr/2014TELE0001

Chicago Manual of Style (16th Edition):

Boudaren, Mohamed El Yazid. “Modèles graphiques évidentiels : Evidential graphical models.” 2014. Doctoral Dissertation, Evry, Institut national des télécommunications; Université des sciences et de la technologie Houari Boumediene (Alger). Accessed October 20, 2019. http://www.theses.fr/2014TELE0001.

MLA Handbook (7th Edition):

Boudaren, Mohamed El Yazid. “Modèles graphiques évidentiels : Evidential graphical models.” 2014. Web. 20 Oct 2019.

Vancouver:

Boudaren MEY. Modèles graphiques évidentiels : Evidential graphical models. [Internet] [Doctoral dissertation]. Evry, Institut national des télécommunications; Université des sciences et de la technologie Houari Boumediene (Alger); 2014. [cited 2019 Oct 20]. Available from: http://www.theses.fr/2014TELE0001.

Council of Science Editors:

Boudaren MEY. Modèles graphiques évidentiels : Evidential graphical models. [Doctoral Dissertation]. Evry, Institut national des télécommunications; Université des sciences et de la technologie Houari Boumediene (Alger); 2014. Available from: http://www.theses.fr/2014TELE0001

3. Yahiaoui, Meriem. Modèles statistiques avancés pour la segmentation non supervisée des images dégradées de l'iris : Advanced statistical models for unsupervised segmentation of degraded iris images.

Degree: Docteur es, Traitement du signal et des images, 2017, Paris Saclay

L'iris est considérée comme une des modalités les plus robustes et les plus performantes en biométrie à cause de ses faibles taux d'erreurs. Ces performances ont été observées dans des situations contrôlées, qui imposent des contraintes lors de l'acquisition pour l'obtention d'images de bonne qualité. Relâcher ces contraintes, au moins partiellement, implique des dégradations de la qualité des images acquises et par conséquent une réduction des performances de ces systèmes. Une des principales solutions proposées dans la littérature pour remédier à ces limites est d'améliorer l'étape de segmentation de l'iris. L'objectif principal de ce travail de thèse a été de proposer des méthodes originales pour la segmentation des images dégradées de l'iris. Les chaînes de Markov ont été déjà proposées dans la littérature pour résoudre des problèmes de segmentation d'images. Dans ce cadre, une étude de faisabilité d'une segmentation non supervisée des images dégradées d'iris en régions par les chaînes de Markov a été réalisée, en vue d'une future application en temps réel. Différentes transformations de l'image et différentes méthodes de segmentation grossière pour l'initialisation des paramètres ont été étudiées et comparées. Les modélisations optimales ont été introduites dans un système de reconnaissance de l'iris (avec des images en niveaux de gris) afin de produire une comparaison avec les méthodes existantes. Finalement une extension de la modélisation basée sur les chaînes de Markov cachées, pour une segmentation non supervisée des images d'iris acquises en visible, a été mise en place

Iris is considered as one of the most robust and efficient modalities in biometrics because of its low error rates. These performances were observed in controlled situations, which impose constraints during the acquisition in order to have good quality images. The renouncement of these constraints, at least partially, implies degradations in the quality of the acquired images and it is therefore a degradation of these systems’ performances. One of the main proposed solutions in the literature to take into account these limits is to propose a robust approach for iris segmentation. The main objective of this thesis is to propose original methods for the segmentation of degraded images of the iris. Markov chains have been well solicited to solve image segmentation problems. In this context, a feasibility study of unsupervised segmentation into regions of degraded iris images by Markov chains was performed. Different image transformations and different segmentation methods for parameters initialization have been studied and compared. Optimal modeling has been inserted in iris recognition system (with grayscale images) to produce a comparison with the existing methods. Finally, an extension of the modeling based on the hidden Markov chains has been developed in order to realize an unsupervised segmentation of the iris images acquired in visible light

Advisors/Committee Members: Dorizzi, Bernadette (thesis director).

Subjects/Keywords: Chaînes de Markov cachées; Segmentation de l'iris; Segmentation non supervisée; Apprentissage; Perceptron multi-couche; Linéarisation de l'image; Chaines de Markov couples; Chaines de Markov triplets; Hidden Markov chain; Iris segmentation; Unsupervised segmentation; Learning; Multilayer perceptron; Image linearization; Triplet Markov chains; Pairwise Markov chain

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Yahiaoui, M. (2017). Modèles statistiques avancés pour la segmentation non supervisée des images dégradées de l'iris : Advanced statistical models for unsupervised segmentation of degraded iris images. (Doctoral Dissertation). Paris Saclay. Retrieved from http://www.theses.fr/2017SACLL006

Chicago Manual of Style (16th Edition):

Yahiaoui, Meriem. “Modèles statistiques avancés pour la segmentation non supervisée des images dégradées de l'iris : Advanced statistical models for unsupervised segmentation of degraded iris images.” 2017. Doctoral Dissertation, Paris Saclay. Accessed October 20, 2019. http://www.theses.fr/2017SACLL006.

MLA Handbook (7th Edition):

Yahiaoui, Meriem. “Modèles statistiques avancés pour la segmentation non supervisée des images dégradées de l'iris : Advanced statistical models for unsupervised segmentation of degraded iris images.” 2017. Web. 20 Oct 2019.

Vancouver:

Yahiaoui M. Modèles statistiques avancés pour la segmentation non supervisée des images dégradées de l'iris : Advanced statistical models for unsupervised segmentation of degraded iris images. [Internet] [Doctoral dissertation]. Paris Saclay; 2017. [cited 2019 Oct 20]. Available from: http://www.theses.fr/2017SACLL006.

Council of Science Editors:

Yahiaoui M. Modèles statistiques avancés pour la segmentation non supervisée des images dégradées de l'iris : Advanced statistical models for unsupervised segmentation of degraded iris images. [Doctoral Dissertation]. Paris Saclay; 2017. Available from: http://www.theses.fr/2017SACLL006

.