IMA5 2022/2023 P15 - Historique des versions

Akhalaf : /* Semaine 6 : 21/11/2022 - 25/11/2022 */

2023-01-21T20:47:00Z

‎Semaine 6 : 21/11/2022 - 25/11/2022

Akhalaf : /* Semaine 6 : 21/11/2022 - 25/11/2022 */

2023-01-21T20:39:52Z

‎Semaine 6 : 21/11/2022 - 25/11/2022

Akhalaf : /* Semaine 6 : 21/11/2022 - 25/11/2022 */

2023-01-21T20:35:31Z

‎Semaine 6 : 21/11/2022 - 25/11/2022

Akhalaf : /* Semaine 6 : 21/11/2022 - 25/11/2022 */

2023-01-21T20:33:59Z

‎Semaine 6 : 21/11/2022 - 25/11/2022

Lpaquin : /* Semaine 7 : 05/12/2022 - 09/12/2022 */

2023-01-06T16:26:50Z

‎Semaine 7 : 05/12/2022 - 09/12/2022

Lpaquin : /* Semaine 7 : 05/12/2022 - 09/12/2022 */

2023-01-06T16:26:37Z

‎Semaine 7 : 05/12/2022 - 09/12/2022

Akhalaf : /* Résultats */

2023-01-06T16:16:32Z

‎Résultats

Akhalaf : /* Résultats */

2023-01-06T16:14:38Z

‎Résultats

Akhalaf le 6 janvier 2023 à 16:10

2023-01-06T16:10:24Z

Akhalaf : /* Résultats */

2023-01-06T16:06:55Z

‎Résultats

@@ Ligne 252 : / Ligne 252 : @@
 Nous pouvons voir que les quatre cas sont distinguables à l'œil nu.
-Enfin, nous avons commencé à travailler avec l'algorithme de segmentation '''SVM''' de la librairie ''sklearn''. Nous avons séparé nos données en une partie destiné à l'apprentissage (80% des données) et une partie à tester (20% des données). En réalisant les tests nous obtenons les résultats suivants :
+Enfin, nous avons commencé à travailler avec l'algorithme de segmentation '''SVM''' de la librairie ''sklearn''. Nous avons séparé nos données en une partie destinée à l'apprentissage (80% des données) et une partie à tester (20% des données). En réalisant les tests nous obtenons les résultats suivants :
 [[Fichier:rapport_class_pca.png|500px]]
-Nous pouvons voir dans la colonne ''f1-score'' que la plupart des mesures sont bien classifiées, mais nous avons plusieurs erreurs. Cela est grandement dû au faible nombre de mesures que nous avons pris. Nous allons donc par la suite effectuer des mesures en plus grand nombre afin de vérifier de manière plus précise la fiabilité de notre méthode.
+Nous pouvons voir dans la colonne ''f1-score'' que la plupart des mesures sont bien classifiées, mais nous avons plusieurs erreurs. Cela est grandement dû au faible nombre de mesures que nous avons prises. Nous allons donc par la suite effectuer des mesures en plus grand nombre afin de vérifier de manière plus précise la fiabilité de notre méthode.
 ===Semaine 7 : 05/12/2022 - 09/12/2022===

@@ Ligne 250 : / Ligne 250 : @@
 [[Fichier:PCA_CH1-2.png|750px]]
-Nous pouvons voir que les quatre cas sont distinguable à l'œil nu.
+Nous pouvons voir que les quatre cas sont distinguables à l'œil nu.
 Enfin, nous avons commencé à travailler avec l'algorithme de segmentation '''SVM''' de la librairie ''sklearn''. Nous avons séparé nos données en une partie destiné à l'apprentissage (80% des données) et une partie à tester (20% des données). En réalisant les tests nous obtenons les résultats suivants :

@@ Ligne 240 : / Ligne 240 : @@
 Nous avons ensuite modifier nos différents scripts afin de parcourir cette arborescence de fichier et récupérer tous les fichiers .wav nous intéressant. Cette lecture prend également en compte tous fichiers ajoutés par la suite sans avoir à modifier le code. Nous avons également modifier le script permettant de séparer un fichier stéréo en deux fichiers mono afin que celui-ci s'exécute sur tous les fichiers présents dans l'arborescence.
-Nous avons réalisé une série de mesures dans 4 des cas cité au dessus (5 mesures par cas) afin de pouvoir prendre en main les algorithmes qui nous permettrons de différentier les cas :
+Nous avons réalisé une série de mesures dans 4 des cas cité au dessus (5 mesures par cas) afin de pouvoir prendre en main les algorithmes qui nous permettront  de différencier  les cas :
 *Portable de Ali chargé à 100% en veille (Cas_100_v)
 *Portable de Ali chargé à 100% avec une application ouverte (Cas_100_app)

@@ Ligne 236 : / Ligne 236 : @@
 *Portable chargé à 50% en veille (Cas_50_v)
 *Portable chargé à 50% avec une application ouverte (Cas_50_app)
-Dans tous les cas, le smartphone est en '''mode avion''', et nous réalisons des mesures avec Nos deux portables et leurs chargeurs respectifs. Nous obtenons donc 8 cas différents que nous essaierons de différencier.
+Dans tous les cas, le smartphone est en '''mode avion''', et nous réalisons des mesures avec nos deux portables et leurs chargeurs respectifs. Nous obtenons donc 8 cas différents que nous essaierons de différencier.
-Nous avons ensuite modifier nos différents scripts afin de parcourir cette arborescence de fichier et récupérer tous les fichiers .wav nous intéressant. Cette lecture prend également en compte tous fichier ajouté par la suite sans avoir à modifier le code. Nous avons également modifier le script permettant de séparer un fichier stéréo en deux fichiers mono afin que celui-ci s'exécute sur tous les fichiers présents dans l'arborescence.
+Nous avons ensuite modifier nos différents scripts afin de parcourir cette arborescence de fichier et récupérer tous les fichiers .wav nous intéressant. Cette lecture prend également en compte tous fichiers ajoutés par la suite sans avoir à modifier le code. Nous avons également modifier le script permettant de séparer un fichier stéréo en deux fichiers mono afin que celui-ci s'exécute sur tous les fichiers présents dans l'arborescence.
 Nous avons réalisé une série de mesures dans 4 des cas cité au dessus (5 mesures par cas) afin de pouvoir prendre en main les algorithmes qui nous permettrons de différentier les cas :

← Version précédente		Version du 6 janvier 2023 à 16:26
Ligne 310 :		Ligne 310 :


−	Nous avons également pris en charge dans notre code la génération et l'attribution automatique des couleurs pour chaque cas, en prenant des points régulièrement espacés sur le segment "''Hue''" du domaine de couleur ''HSV''. Cette attributions de couleurs n'est pas parfaite car on peut retrouver des couleurs assez proches et elle n'utilise pas les segments ''Saturation'' et ''Value'' mais permet de distribuer des couleurs à chaque cas de manière dynamique (si on ajoute des cas, leurs couleurs ~~leurs serons~~ données automatiquement).	+	Nous avons également pris en charge dans notre code la génération et l'attribution automatique des couleurs pour chaque cas, en prenant des points régulièrement espacés sur le segment "''Hue''" du domaine de couleur ''HSV''. Cette attributions de couleurs n'est pas parfaite car on peut retrouver des couleurs assez proches et elle n'utilise pas les segments ''Saturation'' et ''Value'' mais permet de distribuer des couleurs à chaque cas de manière dynamique (si on ajoute des cas, leurs couleurs leur seront données automatiquement).

	===Semaine 8 et 9 : 12/12/2022 - 16/12/2022 et 02/01/2023 - 06/01/2023===		===Semaine 8 et 9 : 12/12/2022 - 16/12/2022 et 02/01/2023 - 06/01/2023===

@@ Ligne 392 : / Ligne 392 : @@
 Un autre essai consiste à ramener les valeurs de la FFT à sa valeur max, cela est fait dans le bloc de calcul de la FFT, qui nous donné ce résultats :
 [[Fichier:Intervalle_complet_max.png|center|thumb|Intervalle complet et ramené à la valeur max|300px]]
 ==Documentation==

← Version précédente		Version du 6 janvier 2023 à 16:14
Ligne 390 :		Ligne 390 :


−	~~ggg~~	+	Un autre essai consiste à ramener les valeurs de la FFT à sa valeur max, cela est fait dans le bloc de calcul de la FFT, qui nous donné ce résultats :
		+	[[Fichier:Intervalle_complet_max.png\|center\|thumb\|Intervalle complet et ramené à la valeur max\|300px]]

	==Documentation==		==Documentation==

@@ Ligne 357 : / Ligne 357 : @@
 Ensuite, nous avons pensé au fait de filtré les signaux de la FFT, selon un pourcentage, c'est-à-dire, que toute les puissances inférieurs à x% de la puissance maximale, sont virées, et on ne garde que ceux qui sont supérieures. Des tests ont été faites pour x=1%, x=2%, x=3% et voici les resultats obtenus :
@@ Ligne 365 : / Ligne 364 : @@
 [[Fichier:pca_par_puissance_filtre_2per.png|center|thumb|PCA avec x=2%|300px]]
 [[Fichier:pca_par_puissance_filtre_3per.png|right|thumb|PCA avec x=3%|300px]]
 ==Documentation==