Discussion :

[silainos]

bonsoir
je débute avec les HMM et je me pose quelque question:
je veux faire une classification et je veux justement utiliser les HMM
et j'ai 7 classes j'applique un prétraitement à mes images et comme résultat j'ai un vecteur caractéristique pour chaque image.
1. est ce que je dois utiliser un modèle hmm pour chaque classe ou raisonner comme pour les svm si je considère la méthode un contre on donc je dois avoir 21 modèle.
2. j'applique la règle des deux tiers pour l'apprentissage et le tiers pour l'évaluation comment puis je faire ça.
3.comment dois je utiliser mes modèles pour tester mon système.
sur matlab :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 [TRANS,EMIS] = hmmestimate(seq,states);

permet d'estimer justement un hmm mais si j'ai plusieurs séquences représentant le même état comment faire leurs apprentissage je sais il y a hmmtrain mais je ne vois pas comment l'utiliser pour l'apprentissage de plusieurs séquence à la fois.
merci de m'éclercir.

[silainos]

merci même si je n'ai pas eu de réponse mais en gros voila ce que j'ai fait:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 a=[1 1 1 1 3];b=[1 1 1 2 3];c=[1 1 2 2 3];d=[1 2 2 2 3];
 seq={a, b, c, d};
 e=ones(size(a));
states={e,e,e,e*2};
 
 [TRANS,EMIS] = hmmestimate(seq,states);

et voila l'erreur obtenue:

Error using cell/unique (line 85)
Input A must be a cell array of strings.

Error in hmmestimate (line 67)
uniqueSymbols = unique(seq);

Error in hmmbrouillon (line 19)
 [TRANS,EMIS] = hmmestimate(seq,states);

[Gooby]

Bonjour,

Je ne peux pas trop t'aider car je ne connais pas la statistics toolbox, mais il semblerait ici que seq doit être un tableau de cellules contenant des strings.

Peut être ceci?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 seq={'a', 'b', 'c', 'd'};

[silainos]

bonjour
mon problème n'est toujours pas réglé.
quand la séquence est en faite une série de vecteurs (en cellule) comment dois je organiser mes states pour utiliser hmmestimate

[eskapp]

Salut,

Alors pour commencer, pour faire ta classification, ça va marcher classe par classe (= 1 HMM par émotion)

Ensuite il va falloir que tu sois plus spécifique sur le type de "vecteurs caratéristiques" que tu as pour chaque image. En particulier parce qu'un HMM est à la base construit pour traiter des données dynamiques = séries de vecteurs. Pour chaque image (vidéo?) d'émotion, il serait donc intéressant d'avoir une série de vecteurs ordonnés. Je vais te laisser nous spécifier ce que tu as comme données pour voir ensuite comment traiter ça.

Troisièmement, si je comprends bien ce que tu veux faire, à savoir : créer des modèles pour représenter chaque émotion par le biais d'un HMM, tu n'utilises pas la bonne fonction.
hmmestimate permet d'estimer les matrices de transition et d'émission à partir des données ET de la suite connues des states (ou états) auxquels ces données correspondent. Ce n'est pas ton cas a priori.
Pour entraîner un modèle, c'est hmmtrain qu'il faut utiliser. Ca prend les données en entrée (pour savoir si il faut des cell ou autre format >> help hmmtrain) + une estimation des matrices de transition et d'émission (que tu peux prendre random pour débuter ou utiliser une méthode des moments).

Pour les hmms, les fonctionnalités de Matlab sont assez limitées. Je te conseille de jeter un coup d'oeil à la toolbox développée par Kevin Murphy qui intègre beaucoup plus de fonctions, des exemples et qui permet plus de flexibilité dans la création des modèles HMMs (sur Matlab, tu remarqueras par exemple que la distribution du state initiale n'est pas intégrée).

Je vais essayer de suivre cette discussion bien que je sois un peu débordée en ce moment. Ne t'attends pas à une solution toute faite mais pour les discussions constructives, je serais là

[silainos]

merci d'avoir répondu après avoir attendue longtemps je me suis orienté vers la quantification des séquences ( matrices), mais c'est pas encore fait.
oui mes séquences sont des coefficients en curvelets mais si vous pouvez me donner un exemple simples avec les hmm cela m'aiderais vraiment merci encore une fois et bon courage

[eskapp]

Je n'ai pas vraiment le temps pour coder un exemple. La toolbox que je t'ai indiquée en fournit et tu peux trouver beaucoup de cours sur internet qui donnent des exemples simples pour comprendre le fonctionnement des HMMs. Si tu as ensuite une question vraiment très précise, tu peux toujours revenir ici la poser. Si tu as un bout de code, c'est encore mieux. Bon courage à toi.

[red4000]

salut tous le monde,
esqu'on peu combiner les HMM et SVM pour la classification audio, parceque j'ai pas trouver grande chose sur internet, si vous avez des conseils ou des tuto simple merci de les partager,
slt

[eskapp]

Salut,

Tu peux regarder cet article :
http://www.ibug.doc.ic.ac.uk/media/u...ntic-FINAL.pdf

et celui-ci :
http://cs.brown.edu/~th/papers/AltTsoHof-ICML2003.pdf

Il semble qu'il y ait plusieurs façons de combiner les 2. C'est un sujet qui n'a pas été beaucoup étudié. Il faut voir que ces deux méthodes reposent sur des principes totalement différents. Les SVMs sont discriminatifs, les HMMs génératifs. Les premiers ne permettent que de discriminer entre 2 classes, les seconds permettent de modéliser des données, et ont la capacité de générer des données similaires.