Skip to Main content Skip to Navigation
Conference papers

Modèle à processus latent et algorithme EM pour la régression non linéaire

Résumé : Cet article propose une méthode de régression non linéaire qui s'appuie sur un modèle intégrant un processus latent qui permet d'activer préférentiellement un modèle de régression polynomial parmi K modèles. L'utilisation d'une fonction logistique comme loi conditionnelle des variables latentes assure une souplesse de transition (lente ou rapide) entre les différents polynômes, ce qui permet d'obtenir une modélisation correcte de non linéarités. L'estimation des paramètres du modèle proposé est effectuée par un algorithme EM dédié. Une étude expérimentale menée sur des données simulées révèle de bonnes performances de la méthode proposée en termes de précision d'estimation, comparée à la méthode de régression polynomiale par morceaux.
Document type :
Conference papers
Complete list of metadata

Cited literature [7 references]  Display  Hide  Download

https://hal.inria.fr/inria-00386702
Contributor : Conférence Jds2009 <>
Submitted on : Friday, May 22, 2009 - 9:13:56 AM
Last modification on : Tuesday, June 11, 2019 - 12:44:03 PM
Long-term archiving on: : Thursday, June 10, 2010 - 11:38:23 PM

File

p132.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : inria-00386702, version 1

Citation

Allou Samé, Faicel Chamroukhi, Gérard Govaert. Modèle à processus latent et algorithme EM pour la régression non linéaire. 41èmes Journées de Statistique, SFdS, Bordeaux, 2009, Bordeaux, France, France. ⟨inria-00386702⟩

Share

Metrics

Record views

275

Files downloads

528