Objectifs
La fusion d'informations est apparue afin de gérer des quantités très importantes de données multi-sources. Elle consiste à combiner des informations issues de plusieurs sources afin d'aider à la prise de décision. Les méthodes de fusion ont été adaptées et développées pour des applications en traitement du signal et plus particulièrement pour la classification.
L’objectif n’est pas ici de réduire les redondances contenues dans les informations issues de plusieurs sources, mais au contraire d’en tenir compte afin d'améliorer la prise de décision.
La fusion d’informations selon l’architecture retenue permet soit de combiner des données (le plus souvent ce sont des données ou paramètres issus de capteurs ou de méthodes d’extraction différents) en vu de les classifier, soit de les classifier séparément selon les possibilités qu’offre le classifieur retenu, pour ensuite les fusionner.

Niveau

Spécialisation.

Pré-requis
Notions de base en mathématiques (probabilités et statistiques, …).

Pédagogie
Séances de cours, de travaux dirigés et de travaux pratiques sur machine (avec Matlab) durant lesquels deux applications seront étudiées : l’une sur des données radar acquises dans la chambre anéchoïde, l’autre sur des données sonar.

Documents fournis aux stagiaires
Polycopié de cours, programmes de fusion.

Dispositif d’évaluation
Evaluation à chaud en fin de formation par les stagiaires. Transmission au client, du compte-rendu d’évaluation et des feuilles d'émargement en complément de la facturation. Les attestations de stage sont remises directement aux stagiaires à la fin de la session de formation. Les stagiaires ou le responsable Formation Continue sont susceptibles de recevoir par mail, un "questionnaire de satisfaction à froid" quelques mois après le déroulement de la formation.

Programme détaillé

• Introduction à la classification et à la réduction de données
• Introduction à la fusion d’informations (architecture, typologie de l’information)
• Méthodes de votes
• Approches bayésiennes
• Théorie des possibilités (des notions sur la théorie des sous-ensembles flous seront présentées)
• Théorie des fonctions de croyance