Analyzing nonstationary discrete sequences using hidden semi-Markov chains
Nous proposons d'analyser des séquences discrètes - éventuellement multivariées - à l'aide de semi-chaînes de Markov cachées. Une semi-chaîne de Markov cachée est composée d'un processus non-observable ou caché qui est une semi-chaîne de Markov et d'un processus observable discret multivarié. Les semi-chaînes de Markov cachées généralisent les chaînes de Markov cachées et permettent la modélisation de dépendances à long terme. Dans le processus de construction de modèles, composé des trois étapes de spécification, inférence et validation, les rôles de la première et de la dernière étape sont renforcés par rapport à l'utilisation classique des chaînes de Markov cachées en reconnaissance des formes. Des lois caractéristiques organisées selon les trois points de vue intensité, intervalle et comptage peuvent être calculées à partir des paramètres d'une semi-chaîne de Markov cachée alors que leurs équivalents empiriques extraits d'un échantillon de séquences constituent un ensemble d'outils exploratoires. L'étape de validation repose principalement sur l'ajustement de ces lois caractéristiques théoriques à leurs équivalents empiriques. Cette méthodologie est illustrée par la modélisation de structures spatiales dans les plantes avec pour objectif principal de déduire des interprétations biologiques à partir de l'estimation d'un seul modèle à partir d'un échantillon de séquences.
| Main Author: | |
|---|---|
| Format: | monograph biblioteca |
| Language: | eng |
| Published: |
CIRAD-AMIS
|
| Subjects: | U10 - Informatique, mathématiques et statistiques, F50 - Anatomie et morphologie des plantes, anatomie végétale, port de la plante, modèle mathématique, modélisation, http://aims.fao.org/aos/agrovoc/c_5954, http://aims.fao.org/aos/agrovoc/c_5969, http://aims.fao.org/aos/agrovoc/c_24199, http://aims.fao.org/aos/agrovoc/c_230ab86c, |
| Online Access: | http://agritrop.cirad.fr/315288/ |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Nous proposons d'analyser des séquences discrètes - éventuellement multivariées - à l'aide de semi-chaînes de Markov cachées. Une semi-chaîne de Markov cachée est composée d'un processus non-observable ou caché qui est une semi-chaîne de Markov et d'un processus observable discret multivarié. Les semi-chaînes de Markov cachées généralisent les chaînes de Markov cachées et permettent la modélisation de dépendances à long terme. Dans le processus de construction de modèles, composé des trois étapes de spécification, inférence et validation, les rôles de la première et de la dernière étape sont renforcés par rapport à l'utilisation classique des chaînes de Markov cachées en reconnaissance des formes. Des lois caractéristiques organisées selon les trois points de vue intensité, intervalle et comptage peuvent être calculées à partir des paramètres d'une semi-chaîne de Markov cachée alors que leurs équivalents empiriques extraits d'un échantillon de séquences constituent un ensemble d'outils exploratoires. L'étape de validation repose principalement sur l'ajustement de ces lois caractéristiques théoriques à leurs équivalents empiriques. Cette méthodologie est illustrée par la modélisation de structures spatiales dans les plantes avec pour objectif principal de déduire des interprétations biologiques à partir de l'estimation d'un seul modèle à partir d'un échantillon de séquences. |
|---|