A best wavelet-base selection criterion for classification, application to brain-machine interfaces

Dans le cadre de la reconnaissance de formes, la définition d'un espace de représentation est nécessaire. Nous proposons ici de l'adapter à l'objectif de classification en utilisant la décomposition en paquets d'ondelettes. Notre algorithme s'appuie sur une représentation fréquentielle des signaux (marginales des coefficients des paquets d'ondelettes) qui dépend de la base de décomposition choisie. Nous proposons donc de sélectionner la décomposition fréquentielle la plus pertinente en optimisant la base de décomposition sur une population d'apprentissage. Pour cela, nous avons défini un critère de contraste entre les classes. Il est additif, ce qui nous a permis d'utiliser un algorithme rapide de recherche de meilleure base. Les fonctions de décision sont ensuite apprises par la méthode des SVM. Nous illustrons l'efficacité de cette approche en l'appliquant à des signaux simulés puis à des signaux électroencéphalographiques enregistrés lors de mouvements imaginaires