8. Conclusion
Il est clair qu’il existe bien d’autres algorithmes de fusion de pistes basés sur bien d’autres algorithmes de
clustering
(i.e. de classification non supervisée) plus sophistiqués, permettant par exemple de rendre robuste la distance entre représentants vis-à-vis des lois suivies par les erreurs et de développer d’autres tests d’arrêt.
Néanmoins, l’approche ici présentée présente l’avantage d’assurer une certaine unicité « intellectuelle » entre deux domaines souvent scindés, celui des traitements amont (dit de TS) et celui aval (dit de TI). Ceci permet la compréhension des équipes, facteur clef dans le succès de la réalisation de tels systèmes de surveillance. De plus, cette approche ne nécessite pas de formations supplémentaires à des disciplines moins standards comme celles exploitant les ressorts de systèmes experts,...
Cet article est réservé aux abonnés
Cet article est réservé aux abonnés. Il vous reste 92 % à découvrir.
Déjà abonné ?
Se connecter
Lecture en cours
Conclusion