Classification de séries temporelles de longueurs variables pour la surveillance radiologique de l'environnement - CentraleSupélec Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Classification de séries temporelles de longueurs variables pour la surveillance radiologique de l'environnement

Résumé

De par l'émergence de séries temporelles massives dans de multiples domaines, l'extraction et la classification dans ces séries de signaux d'intérêt sont d'importants sujets de data mining. Dans ce contexte, nous proposons la classification de motifs extraits du signal par seuillage à l'aide d'un écart-type glissant. Nous proposons des méthodes de classification basées sur les mesures de distance Dynamic Time Warping (DTW), MPdist et area-based shape, et sur les algorithmes de classification k-Means et hiérarchique. Leurs performances sont évaluées sur des signaux simulés de surveillance radiologique environnementale. Nos méthodes sont illustrées sur des signaux réels.
Fichier principal
Vignette du fichier
2022_poirierherbeck923.pdf (2.11 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03866144 , version 1 (22-11-2022)

Identifiants

  • HAL Id : hal-03866144 , version 1

Citer

Lisa Poirier--Herbeck, Elisabeth Lahalle, Nicolas Saurel, Sylvie Marcos. Classification de séries temporelles de longueurs variables pour la surveillance radiologique de l'environnement. GRETSI 2022 - XXIIXème Colloque Francophone de Traitement du Signal et des Images, Sep 2022, Nancy, France. ⟨hal-03866144⟩
89 Consultations
81 Téléchargements

Partager

Gmail Facebook X LinkedIn More