Mon problématique est la classification d’un signal physiologique pour détecter l’état normal ou anormal du patient. le problème qu’on ne peut pas normaliser l’état du patient c.à.d. les même mesure qui sont considérer normal pour le patient x peuvent être considérer comme un état critique pour le patient y de ce fait pour faire l’apprentissage je ne peut pas utiliser comme base d’apprentissage les historique des ancien patient.
Et quant j’ai étudier les méthode d’apprentissage j’ai trouver que les meilleur apprentissage que je peut appliquer sur ce problème c’est les svm(support vector machine) ou lasvm( online support vector machine )… mais pour utiliser c’est type d’apprentissage je doit avoir au moins 80% de la base d’apprentissage or que dans mon cas je ne dispose pas de 80% ( càd si le malade va rester en réanimation 10 jour je doit attendre 8 jour pour avoir la base d’apprentissage :s)
Je veut avoir un algorithme en temps réel ou au moins plus rapide que ça !!.
J’ai pensé utiliser les algorithme génétique (à partir de 10% de la base par exemple je génère à l’aide des algorithme génétique une base d’apprentissage sur laquelle je peut appliquer les svm )
Est-ce que c’est possible ou pas ? comment puis-je le faire ? qui a d’autre idée ? merci
Partager