Optimisation de l’algorithme EM_CMC par un Echantillonnage Bootstrap dans le contexte de la classification Bayesienne non supervisee

L’objectif de ce travail est l’optimisation de l’algorithme Estimation Maximisation (EM) par un echantillonnage Bootstrap. L’estimation est une phase souvent requise dans la majorite des methodes de classifications statistiques. Les methodes de classification globales se basant sur une modelisation Markovienne sont les methodes les plus efficaces face aux problemes de classification non supervisee, mais presentent l’inconvenient de la lenteur des temps de calcul. L’echantillonnage Bootstrap est alors la solution proposee pour accelerer la phase d’estimation de la methode de classification en utilisant seulement des echantillons de taille reduite de l’image originale. La description de la version Bootstrappee de l’algorithme EM est presentee dans le cas de la modelisation de l’image par des Champs aleatoires de Markov Caches note EM_CMC.