Présentation
RÉSUMÉ
Les modèles markoviens cachés sont un outil essentiel pour le traitement, l’exploration, la classification, l’étiquetage, le clustering de données séquentielles et de signaux complexes. Ils ont été intensivement utilisés pour des tâches liées au traitement de signaux et séquences véhiculant un message linguistique tels que le signal de parole, le signal d’écriture, le texte. Ils ont été également utilisés pour traiter divers autres types de signaux en bio-informatique, de séquences de navigation et d’interaction homme-machine, etc.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleABSTRACT
Hidden Markov models are an essential tool for the treatment, exploration, classification, labeling and clustering of sequential data and complex signals. They have been intensively used for tasks linked to the processing of signals and sequences conveying a linguistic message such as speech signal, write signal or text. They have also been used to process various types of other signals in bio-computing, navigation sequences and man-machine interaction.
Auteur(s)
-
Thierry ARTIÈRES : Professeur d’informatique - Laboratoire d’informatique de Paris 6 (LIP6) - Université Pierre et Marie Curie (UPMC)
INTRODUCTION
Les modèles markoviens sont une famille de modèles statistiques pour le traitement, l’analyse, la classification de données structurées. Cet article est focalisé sur une instance de ces modèles, les modèles markoviens cachés (MMC), qui ont été et restent très utilisés dans des domaines de classification et d’étiquetage de séquences et de signaux complexes. Ils ont été intensivement utilisés pour des tâches liées au traitement de signaux et séquences véhiculant un message linguistique tels que le signal de parole , le signal d’écriture , le texte. Ils ont été également utilisés pour traiter divers autres types de signaux en bio-informatique, de séquences de navigation et d’interaction homme-machine, etc.
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Mathématiques
(202 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
3. Modèles de Markov cachés : la théorie
Nous présentons tout d’abord le principe des modèles de Markov cachés en détaillant les hypothèses sur lesquelles ils reposent et en illustrant par quelques exemples leur fonctionnement. Puis nous respectons la tradition en présentant les modèles de Markov cachés par les « trois problèmes » que l’on doit savoir résoudre pour les utiliser en pratique :
-
le calcul de la probabilité d’une séquence d’observations ;
-
l’inférence de la séquence d’états optimale étant donnée une séquence d’observations ;
-
l’apprentissage des paramètres d’un modèle de Markov cachés à partir d’un corpus de séquences d’apprentissage.
Enfin nous mentionnons quelques variantes particulièrement populaires des modèles de Markov cachés.
3.1 Définition et principe
Un modèle de Markov caché est une extension d’une chaîne de Markov dans laquelle on découple l’état du processus des observations produites par celui-ci. Il est construit à partir d’une chaîne de Markov à N états S = {e1, e2,..., eN}. Dans un modèle de Markov caché, il n’y a pas équivalence entre état et observation. À chaque état e est associée une loi de probabilité, dite loi de probabilité d’émission, définie sur Ω. Un modèle de Markov caché est donc la réunion d’une chaîne de Markov, qui gouverne la dynamique de l’état du processus, et d’un ensemble de lois de probabilité, dites lois de probabilité d’émission, chacune étant associée à un état. Il s’agit d’une modélisation plus compacte qu’une chaîne de Markov disposant d’un pouvoir d’expression accru.
Un modèle de Markov caché est défini par sa structure et par ses paramètres, on note l’ensemble λ. La structure d’un modèle de Markov (on dit aussi topologie) est définie par la nature de la chaîne de Markov sous-jacente, le nombre d’états et l’ensemble des transitions...
Cet article fait partie de l’offre
Mathématiques
(202 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Modèles de Markov cachés : la théorie
BIBLIOGRAPHIE
-
(1) - RABINER (L.R.) - * - . – A tutorial on hidden markov models and selected applications in speech recognition, in : Proceedings of the IEEE, pp. 257-286 (1989).
-
(2) - HU (J.), LIM (S.G.), BROWN (M.K.) - Writer independent on-line handwriting recognition using an hmm approach - Pattern Recognition 33 (1) 133-147 (2000).
-
(3) - RABINER (L.), JUANG (B.-H.) - Fundamentals of speech recognition - Prentice-Hall, Inc., Upper Saddle River, NJ, USA (1993).
-
(4) - BERTSEKAS (D.), NEDIC (A.), OZDAGLAR (A.) - Convex Analysis and Optimization, Athena Scientific optimization and computation series - Athena Scientific (2003).
-
(5) - BILMES (J.) - Natural statistical models for automatic speech recognition - Ph.D. thesis, U.C. Berkeley, Dept. of EECS, CS Division (1999).
-
(6) - JUANG (B.-H.), RABINER (L.) - The segmental k-means algorithm for estimating...
DANS NOS BASES DOCUMENTAIRES
ANNEXES
Liste Wikipedia des outils développés pour la reconnaissance de la parole : http://en.wikipedia.org/wiki/List-of-speech-recognition-software
HAUT DE PAGECet article fait partie de l’offre
Mathématiques
(202 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive