[livres divers classés par sujet] [Informatique] [Algorithmique] [Programmation] [Mathématiques] [Hardware] [Robotique] [Langage] [Intelligence artificielle] [Réseaux]
[Bases de données] [Télécommunications] [Chimie] [Médecine] [Astronomie] [Astrophysique] [Films scientifiques] [Histoire] [Géographie] [Littérature]

09 - Quantization and classification

contributor Information Systems Laboratory, Department of Electrical Engineering
creator GRAY (R. M.)
date 2005-07-22T09:31:08Z
2005-07-22T09:31:08Z
1998
description The problem of quantizer design for detection or classification has a long history, with classical contributions by Kassam , Poor, Picinbono, Bucklew and others . The goal was to design a quantizer such that a detection rule based on the quantize d information was optimized . During recent years an alternative approach has been developed which seeks to jointly optimiz e quantization and classification by incorporating the Bayes risk resulting from the quantizer into the quantizer optimization . In this paper the general classical approach of Picinbono and Duvaut is compared contrasted with the joint approach an d illustrated by a simple example .
Il existe une importante littérature traitant du problème de la conception d'un quantificateur pour un système de détection ou de classification. A l'origine, les travaux menés dans ce domaine - notamment par Kassam, Poor, Picinbono et Bucklew - ont pour but de concevoir un quantificateur qui optimise une règle de décision basée sur l'information quantifiée. Rompant avec cette approche classique, ces dernières années ont vu l'émergence d'une approche alternative dont l'objectif est d'optimiser conjointement les opérations de quantification et de classification. L'optimisation conjointe est réalisée par minimisation d'un critère Lagrangien comprennant l'erreur quadratique moyenne (quantification) et le risque de Bayes (classification). Dans cet article, nous proposons de comparer l'approche conjointe à l'approche classique, plus courante, de Picinbono et Duvaut. Nous illustrons les deux méthodes à l'aide d'un exemple simple.
format 52628 bytes
application/pdf
identifier Traitement du Signal [Trait. Signal], 1998, Vol. 15, N° 6-NS, p. 513-518
0765-0019
  http://hdl.handle.net/2042/2093
language en_US
publisher GRETSI, Saint Martin d'Hères, France
rights http://irevues.inist.fr/IMG/pdf/Licence.pdf
source Traitement du Signal [Trait. Signal], ISSN 0765-0019, 1998, Vol. 15, N° 6-NS, p. 513-518
subject Traitement signal
Quantificateur
Détection signal
Classification
Estimation densité
Règle décision
Erreur quadratique moyenne
Etude comparative
Processus stochastique
Fonction densité probabilité
title 09 - Quantization and classification
Quantification et classification
type Article