Ségmentation bayésienne hiérarchique de processus MA constant par morceaux - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Communication Dans Un Congrès Année : 2010

Ségmentation bayésienne hiérarchique de processus MA constant par morceaux

Résumé

On utilise dans ce travail une méthode bayésienne pour traiter une problème de segmentation de processus MA par morceaux. La complexité des lois a posteriori ainsi que la structure particulière de l'espace des paramètres amène a utiliser la méthode de simulation de type Monte Carlo par Chaînes de Markov à sauts réversibles. Les sorties de l'agorithme sont utilisées pour obtenir plusieurs types d'estimateur des paramètres d'intéret : Maximum Marginal a Posteriori, et Moyenne Marginale a Posteriori. La délicat problème du réglage des hyperparamètres est contourné en munissant des hyperparamètres de loi, utilisant ainsi une structure bayèsienne hièrarchique. Mots-Cles : Simulation de Monte Carlo par Chaine de Markov a Sauts Reversibles, Segmentation de processus MA.
Fichier principal
Vignette du fichier
p34.pdf (255.54 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

inria-00494694 , version 1 (24-06-2010)

Identifiants

  • HAL Id : inria-00494694 , version 1

Citer

S. Suparman. Ségmentation bayésienne hiérarchique de processus MA constant par morceaux. 42èmes Journées de Statistique, 2010, Marseille, France, France. ⟨inria-00494694⟩

Collections

INSMI SFDS10
42 Consultations
64 Téléchargements

Partager

Gmail Facebook X LinkedIn More