ENSTA Bretagne : Systèmes Numériques et Sécurité

Fusion d'informations pour la classification

ENSTA Bretagne Formation Continue référençable (Datadock)
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.

Détails de formation

#Sciences et Technologies de l’Information et de la Communication
Objectifs
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 vue de les classifier, soit de les classifier séparément selon les possibilités qu’offre le classifieur retenu, pour ensuite les fusionner.
Prérequis
Notions de base en mathématique (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.
La journée de cours se déroule de 8h30 à 12h00 et 13h30 à 17h00.
Niveau du stage
Spécialisation
Dispositif d'évaluation
Évaluation 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
Responsable de la formation et équipe pédagogique
Christophe Osswald
Enseignant-chercheur
Benoit Zerr
Enseignant-chercheur,
Membre de l'équipe PRASYS du laboratoire Lab-STICC, UMR CNRS 6285

contact

Catherine Le Lagadec
Enseignante
Responsable de la formation continue
02 98 34 88 24