Après la détection des signaux d’intérêts sur une période de temps et une gamme de fréquence, il est nécessaire de regrouper ces détections en familles afin de pouvoir construire des évènements. Ces familles consistent en l’agglomération des détections similaires et sont actuellement générées à partir d’une distance euclidienne dans l’espace des temps, fréquence, azimut et vitesse horizontale. L‘objectif de ce stage est de proposer et évaluer un nouvel algorithme de regroupement basé sur l’état de l’art des techniques de clustering. Un algorithme basé sur un modèle de mélange de gaussiennes sera évalué et comparé à d’autres approches tels que K-means (Mac Queen 1967), DBSCAN (Ester 1996), ou d’apprentissage profond (Chung, 2014 ; Xie, 2016). Le travail à réaliser comportera :
• une étude bibliographique des principales méthodes de regroupement statistiques ou de deep learning les plus performantes pour répondre à cette problématique ;
• la prise en main de l’actuel code GMM et de méthodes à l’état de l’art compatibles avec une implémentation en temps réel ;
• l’évaluation de ces méthodes sur des bases de données réelles.
Conformément aux engagements pris par le CEA en faveur de l'intégration des personnes handicapées, cet emploi est ouvert à toutes et à tous. Le CEA propose des aménagements et/ou des possibilités d'organisation pour l’inclusion des travailleurs handicapés.
Participant à la protection nationale, une enquête administrative est réalisée pour tous les collaborateurs du CEA afin d'assurer l'intégrité et la sécurité de la nation.
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.