no. 4
Classification supervisée en grande dimension. Application à l'agrément de conduite automobile
Revue de Statistique Appliquée, Tome 54 (2006) no. 4, pp. 41-60 
@article{RSA_2006__54_4_41_0,
     author = {Poggi, Jean-Michel and Tuleau, Christine},
     title = {Classification supervis\'ee en grande dimension. {Application} \`a l'agr\'ement de conduite automobile},
     journal = {Revue de Statistique Appliqu\'ee},
     pages = {41--60},
     year = {2006},
     publisher = {Soci\'et\'e fran\c{c}aise de statistique},
     volume = {54},
     number = {4},
     language = {fr},
     url = {https://www.numdam.org/item/RSA_2006__54_4_41_0/}
}
TY  - JOUR
AU  - Poggi, Jean-Michel
AU  - Tuleau, Christine
TI  - Classification supervisée en grande dimension. Application à l'agrément de conduite automobile
JO  - Revue de Statistique Appliquée
PY  - 2006
SP  - 41
EP  - 60
VL  - 54
IS  - 4
PB  - Société française de statistique
UR  - https://www.numdam.org/item/RSA_2006__54_4_41_0/
LA  - fr
ID  - RSA_2006__54_4_41_0
ER  - 
%0 Journal Article
%A Poggi, Jean-Michel
%A Tuleau, Christine
%T Classification supervisée en grande dimension. Application à l'agrément de conduite automobile
%J Revue de Statistique Appliquée
%D 2006
%P 41-60
%V 54
%N 4
%I Société française de statistique
%U https://www.numdam.org/item/RSA_2006__54_4_41_0/
%G fr
%F RSA_2006__54_4_41_0
Poggi, Jean-Michel; Tuleau, Christine. Classification supervisée en grande dimension. Application à l'agrément de conduite automobile. Revue de Statistique Appliquée, Tome 54 (2006) no. 4, pp. 41-60. https://www.numdam.org/item/RSA_2006__54_4_41_0/

[1] Amato U., Antoniadis A.and De Feis I. ( 2005), Dimension reduction in functional regression with applicarions, To appear in Comp. Stat. and Data. Anal.

[2] Ansaldi N. ( 2002), Contributions des méthodes statistiques à la quantification de l'agrément de conduite, PhD thesis, Marne-la-Vallée.

[3] Barron A.R., Birgé L. and Massart P. ( 1999), Risk bounds for model selection via penalization, Probability Theory and Related Fieds, 113 :301-413. | Zbl | MR

[4] Besse P. and Cardot H. ( 2003), Modélisation statistique de données fonctionnelles, in G. Covaert, editor, Analyse de données, Hermes.

[5] Biau G., Bunea F.and Wegkamp M. ( 2005), Functional classification in Hilbert spaces, IEEE Trans. inf. Theory, 51(6) :2163-2172. | MR

[6] Bigot J. ( 2003), Recalage des signaux et analyse de la variance fonctionnelle par ondelettes; application au domaine biomédical, PhD thesis, Grenoble.

[7] Breiman L., Friedman J., Olshen R.and Stone C. ( 1984), Classification and Regression Trees, Chapman et Hall. | Zbl | MR

[8] Coifman R.and Saito N. ( 1964), Constructions of local orthonormal bases for classification and regression, C. R. Acad. Sci. Paris (Ser. 1) : 191-196. | Zbl

[9] Coifman R.and Wickerhauser M. ( 1992), Entropy-based algorithms for best basis selection, IEEE Trans. Inform. Theory, 38(2) :713-719. | Zbl

[10] Dauxois J. and Pousse A. ( 1976), Les analyses factorielles en calcul des probabilités et en statistique : essai d'étude synthétique, PhD thesis, université Toulouse III.

[11] Deville J.C. ( 1974), Méthodes statistiques et numériques de l'analyse harmonique, Annales de l'Insee, 15 :7-97.

[12] Donoho D. and Johnstone I. ( 1994), Ideal spatial adaptation by wavelet shrinkage, Biometrika, 81(3) :425-455. | Zbl | MR

[13] Dudoit S., Fridlyand J. and Speed T. ( 2002), Comparison of discrimination methods for the classification of tumors using gene expression data, Journal of the American Statistical Association, 97(457) :77-87. | Zbl | MR

[14] Favre C. ( 1999), Analyse en normes L1 et L° des distances et des préférences. Planification en analyse sensorielle. Application au confort d'accueil de sièges automobiles, PhD thesis, Université de Rennes II.

[15] Ferraty F. and Vieu P. ( 2003), Curves discrimination : a nonparametric functional approach, Computational Statistics and Data Analysis, 44(1-2) :161-173. | MR

[16] Ferré L. and Villa N. ( 2005), Discrimination de courbes par régression inverse fonctionnelle, Revue de Statistique Appliquée, LIII(l) :39-57. | Numdam

[17] Ferré L. and Yao A.F. ( 2003) Functional sliced inverse regression analysis, Statistics, 37(6) :475-488. | Zbl | MR

[18] Ghattas B. ( 1999), Agrégation d'arbres de classification, Revue de Statistique Appliquée, XLVIII(2) :85-98. | Numdam

[19] Ghattas B. ( 1999), Importance des variables dans les méthodes CART, Revue de modulad, 24 :29-39.

[20] Hastie T., Buja A. and Tibshirani R. ( 1995), Penalized discriminant analysis, Annals of Statistics, 23 :73-102. | Zbl | MR

[21] Hastie T., Tibshirani R. and Friedman J.( 2001), The Elements of Statistical Learning, Springer. | Zbl | MR

[22] Leurgans S., Moyeed R. and Silverman B. ( 1993), Canonical correlation analysis when the data are curves, Journal of the Royal Statistical Society Series B, 55 :725-740. | Zbl | MR

[23] Mallat S. ( 1998), A wavelet tour of signal processing, Academic Press. | Zbl | MR

[24] Misiti M., Misiti Y., Oppenheim G. and Poggi J.-M. ( 2003), Les ondelettes et leurs applications, Hermes.

[25] Ramsay J. and Silverman B. ( 1997), Functional Data Analysis, Springer. | Zbl | MR

[26] Ramsay J. and Silverman B. ( 2002), Applied Functional Data Analysis, Springer. | Zbl | MR

[27] Rossi F. and Conan-Guez B. ( 2005), Functional multi-layer perceptron : a non-linear tool for functional data analysis, Neural networks, 18(1) :45-60. | Zbl

[28] Sauvé M. andTuleau C. ( 2006), Variable selection through CART, Rapport de recherche, INRIA, 5912 :l-30.

[29] Vannucci M., Brown P.J. and Fearn T. ( 2003), A decision theoretical approach to wavelet regression on curves with a high number of regressors, Journal of Statistical planning and inference, 112 :195-212. | Zbl | MR

[30] Vidakovic B. ( 1999), Statistical modeling by wavelets, Wiley. | Zbl | MR