JOINT SEGMENTATION OF PIECEWISE CONSTANT AUTOREGRESSIVE PROCESSES BY USING A HIERARCHICAL MODEL AND A BAYESIAN SAMPLING APPROACH

Nicolas Dobigeon 1 Jean-Yves Tourneret 1 Manuel Davy 2, 3
2 SEQUEL - Sequential Learning
LIFL - Laboratoire d'Informatique Fondamentale de Lille, LAGIS - Laboratoire d'Automatique, Génie Informatique et Signal, Inria Lille - Nord Europe
3 LAGIS-SI
LAGIS - Laboratoire d'Automatique, Génie Informatique et Signal
Abstract : We propose a joint segmentation algorithm for piecewise constant AR processes recorded by several independent sensors. The algorithm is based on a hierarchical Bayesian model. Appropriate priors allow to introduce correlations between the change locations of the observed signals. Numerical problems inherent to Bayesian inference are solved by a Gibbs sampling strategy. The proposed joint segmentation methodology provides interesting results compared to a signal-by-signal segmentation.
Type de document :
Communication dans un congrès
IEEE ICASSP 2006, 2006, Toulouse, France. 2006
Liste complète des métadonnées

Littérature citée [9 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00119997
Contributeur : Manuel Loth <>
Soumis le : mardi 12 décembre 2006 - 16:41:33
Dernière modification le : mercredi 23 mai 2018 - 17:58:05
Document(s) archivé(s) le : mercredi 7 avril 2010 - 00:28:47

Fichier

Dobigeon_ICASSP_2006.pdf
Fichiers éditeurs autorisés sur une archive ouverte

Identifiants

  • HAL Id : inria-00119997, version 1

Citation

Nicolas Dobigeon, Jean-Yves Tourneret, Manuel Davy. JOINT SEGMENTATION OF PIECEWISE CONSTANT AUTOREGRESSIVE PROCESSES BY USING A HIERARCHICAL MODEL AND A BAYESIAN SAMPLING APPROACH. IEEE ICASSP 2006, 2006, Toulouse, France. 2006. 〈inria-00119997〉

Partager

Métriques

Consultations de la notice

357

Téléchargements de fichiers

237