Réseau de Kohonen, extraction des caractéristiques

Bonjour,

je travaille actuellement sur un projet de classification, en gros j'ai des courbes de mouvement dans 3 axes différents, allant chacune de 0 à 100% ( donc 100 points), et classées suivant 4 classes. J'ai seulement 140 sujets (la classe la plus petite ne comportant que 20 sujets).
Le réseau de neurone choisi est la carte auto-organisatrice de Kohonen. J'utilise som toolbox avec Matlab pour ça http://www.cis.hut.fi/somtoolbox/

Côté extraction de caractéristiques, j'ai commencé avec l'ACP, qui me donne des résultats très moyens (environ 50% de taux de classification global, cross validation leave one out).

Alors, je voulais passer à d'autres types d'extraction de caractéristiques, comme les DWT (dwt ou dwt2 dans Matlab?) et DFT, mais je ne sais trop par où commencer.

Par exemple une première question précise: pour la DWT, est-ce que j'applique un filtre dans le domaine temps-fréquence avant de repasser dans le domaine de temps? Où est-ce que je reste dans le domaine temps-fréquence pour faire l'entraînement, en ne gardant que les premiers coefficients?

Et aussi, comme mes données représentent des courbes, et donc que des variables adjacentes sont corrélées entre elles, est ce que quelque chose de particulier est faisable à ce niveau?

merci d'avance! :ccool:

Stef

Pour bien choisir l’algorithme il faut que tu identifie bien tes classes. Selon le type de classe que tu souhaite tu auras un algorithme différent. Si tu veux étudier les fréquences comme tu le propose (DFT) tu devrais plutôt travail avec des différences chronologiques. Pour que l'on puisse t'aider tu dois nous expliquer qu'elles sont ces différentes classes sur tes séries.

Cdt