CLASSIFICATION SUPERVISÉE EN GRANDE DIMENSION. APPLICATION À L'AGRÉMENT DE CONDUITE AUTOMOBILE

摘要

This work is motivated by a real world problem : objectivization. It consists of explaining the subjective drivability using physical criteria coming from signals measured during experiments. We suggest an approach for the discriminant variables selection trying to take advantage of the functional nature of the data. The problem is ill-posed, since the number of explanatory variables is hugely greater than the sample size. The strategy proceeds in three steps: a signal preprocessing, including wavelet denoising and synchronization, dimensionality reduction by compression using a common wavelet basis, and finally the selection of useful variables using a stepwise strategy involving successive applications of the CART method.%Ce travail est motivé par un problème réel appelé l'objectivation. Il consiste à expliquer l'agrément de conduite au moyen de critères «physiques», issus de signaux mesurés lors d'essais. Nous suggérons une approche pour le problème de la sélection des variables discriminantes en tentant de tirer profit du caractère fonctionnel des données. Le problème est mal posé, au sens où le nombre de variables explicatives est très supérieur à la taille de l'échantillon. La démarche procède en trois étapes : un prétraitement des signaux incluant débruitage par ondelettes, recalage et synchronisation, une réduction de la taille des signaux par compression dans une base d'ondelettes commune, et enfin l'extraction des variables utiles au moyen d'une stratégie incluant des applications successives de la méthode CART.