Bonjour,
je tente d'effectuer une classification grace a une loi normale multidimensionnelle. J'extrais 12 coefficient d'une image, chaque coefficient est modélisé pour chaque classe par une gaussienne. A l'aide d'un ensemble d'apprentissage, je connais donc les moyennes et variance de chaque coefficient pour chaque classe.
Je veux donc calculer la probabilité d'une image x d'appartenir à tel ou tel classe. Le problème est que quand j'applique la formule sur une image, même si elle appartient à l'ensemble d'apprentissage d'une classe j'obtiens une probabilité très faible de 6% à 10-7% :/
Les moyennes et variances semblent correctent, les étapes du calcul aussi...

J'utilise la formule présenté ici: http://fr.wikipedia.org/wiki/Loi_normale_multidimensionnelle

Mais j'avoue que j'ai du mal à comprendre comment cela peut marcher. A partir du moment ou le vecteur d'entrée n'est pas strictement égale aux moyennes on a un (X-u) non nul, la matrice de covariance même si les valeur sont petites se sont toutes des valeurs positives. Donc le (x-u)'^-1(x-u) va nécessairement être positif, donc mon cas entre 2 et 50. Ce qui va donner une exp(-1/2*N), N étant compris entre 2 et 50, soit un nombre tres petit. Et le denominateur quand a lui va etre de l'ordre de 3-4 dans mon cas, d'ou des probas très faible.

Est-ce que je fais quelque chose comme il ne faut pas? Auriez vous des pistes pour m'aider à résoudre ce problème?...

Merci d'avance