L'Apprentissage de Vari t s Et Les Fonctions Noyaux

Nous prsentons les fondements thoriques et les quivalences entre les algorithmes PCA, MDS, Regroupement spectral, Kernel PCA, Isomap, LLE, GPLVM et Laplacian eigenmaps. Ces mthodes possdent des proprits que nous avons exploites pour tudier les documents acoustiques dans des espaces de faible dimensionnalit. Dans une premire partie exprimentale, nous faisons une analyse des signaux acoustiques l'aide de ces mthodes et des algorithmes d'estimation de la dimensionnalit intrinsque. Une seconde contribution consiste appliquer la thorie du regroupement spectral aux squences audio. Un des rsultats de cette dmarche est la dtection de variations abruptes de la squence d'entre, ce qui permet de dfinir une segmentation temporelle du signal. Nous proposons enfin une dmarche permettant de transformer des squences audio de longueur variable en vecteurs de taille fixe de trois dimensions. Cette transformation nous permet d'explorer les contenus des bases de donnes acoustiques. Dans ces espaces, les vecteurs-squences sont traits par des algorithmes noyau et des mthodes de regroupement.