Discussion :

[narjes251]

Bonjours a tous
Je suis entrain de preparer un projet de fin d'etude. ma souci consiste à classifier une base d'images en utilisant le reseau bayesian naif mais je ne sais pas comment calculer le degre d'appartenance d'une image, connaissant son vecteur carateristique, a une classe c'est à dire p(image|classe).
Je ne sais pas si le probleme est claire vraiment je suis bloque, comment faire pour resoudre ce probleme, s'il y a qlq un qui peut m'aider je serais tres reconnaissant. et merci d'avance.

[ToTo13]

Bonsoir,

je viens de tomber là dessus.
Il y a un exemple de classement d'un individu.

[narjes251]

merci mais moi je veux utiliser l'algorithme EM(expectation/maximisation) pour faire la classification de base d'image en n classes. Je ne sais pas comment parametrer l'algorithme afin de faire la classification svp aider moi

[Clercq]

Dans un premier temp, pour la classifiacation bayesienne il faut que tu determine les probabilité d'apparition d'un élément caractéristique sachant une classe P(IMG|C).

Chaque classe est alors représenté par une vecteur de probabilité qui contient de la taille de tout les elements caracteristiques.

IMG1 [1 3 5 9]
IMG2 [1 4 7 8]

C1 [P(1|C1) P(3|C1) P(4|C1) P(5|C1) P(7|C1) ... ]

tu doit donc avoir autant de vecteur de proba que de classe

P(v1|C1),P(v2|C1), ..., P(vn|C1)
P(v1|C2),P(v2|C2), ..., P(vn|C2)
...

la probabilité de ton image IMG1 sachant la classe C1 est donc, en multipliant les valeur caracteristique de ton image par leur probabilité dans la classe :

[P(1|C1)*P(3|C1)*P(5|C1)*P(9|C1)]*P(C1)

Tu retrouve (a une constante près) le théoreme de Bayes :
P(C|IMG) = P(IMG|C)*P(C)/P(IMG)

Le but etant de maximiser P(C|IMG).

-> P(C2|IMG1) < P(C3|IMG1) < P(C1|IMG1), alors IMG1 appartient a C1.