En cours de chargement...
En théorie du signal, la détection et la classification font toujours l'objet d'une littérature abondante. Si les bases de cette théorie ont pu être posées au cours du XXe siècle, celles-ci ont souvent fait appel à une connaissance assez exhaustive des modèles probabilistes sous-jacents. Les chapitres 1 et 2 sont consacrés respectivement à une présentation des bases de la théorie statistique de la décision et à des compléments permettant de traiter quelques cas pratiques d'intérêt essentiel.
Le chapitre 3 est centré sur les méthodes séquentielles, permettant une prise de décision en temps réel (le temps moyen de prise de décision faisant fréquemment explicitement partie du critère de performance à optimiser). Toujours dans le cas où l'information disponible pour la réalisation d'un détecteur se résume à une base d'exemples étiquetés, une alternative à la détection à structure imposée repose sur les méthodes d'estimation de densité, que le chapitre 5 présente largement.
Enfin, dans le cadre de la recherche de structures universelles de décision, on a pu voir apparaître certains modèles tels les réseaux de neurones. Le chapitre 6 leur est consacré et fournit les bases théoriques nécessaires à l'étude des problèmes d'estimation fonctionnelle. Enfin, au-delà de la prise en compte de l'incertitude probabiliste, la complexité croissante des systèmes fait que l'information utile peut devenir incertaine, imprécise, vague.
Le cadre probabiliste ne s'avérant plus suffisant pour élaborer une règle de décision, on a vu apparaître des méthodes capables de prendre en compte différents types d'incertitude. La théorie de l'évidence rentre dans ce cadre et fait l'objet du chapitre 7. Sans vouloir être exhaustif, cet ouvrage présente un panorama assez large des diverses approches (conventionnelles ou non) de la décision, les méthodes étant illustrées sur des exemples d'application (chapitres 8 et 9).
Il doit permettre au lecteur de s'ouvrir à ces diverses approches d'un même problème.