@InProceedings{2015_kalawoun255,
	author = "Jana Kalawoun and Patrick Pamphile and Gilles Celeux",
	title = "Identifiability of a Switching Markov State-Space Model",
	booktitle = "25° Colloque sur le traitement du signal et des images",
	year = "2015",
	publisher = "GRETSI - Groupe de Recherche en Traitement du Signal et des Images",
	number = "001-0115",
	pages = "p. 461-464",
	month = "Sep # 8--11",
	address = "Lyon",
	doi = "",
	pdf = "2015_kalawoun255.pdf",
	abstract = "Les modèles à espaces d'états gouvernés par une chaîne de Markov cachée sont utilisés dans de nombreux domaines appliqués comme le traitement de signal, la bioinformatique, etc. Cependant, il est souvent difficile d'établir leur identifiabilité, propriété essentielle pour l'estimation de leurs paramètres. Dans cet article, nous traitons un cas simple pour lequel l'état continu inconnu et les observations sont des scalaires. Nous démontrons que lorsque la chaîne de Markov est irréductible et apériodique, une information a priori reliant les observations et l'état continu inconnu à un instant t0 suffit pour assurer "l'identifiabilité générale" de l'ensemble des paramètres du modèle. Nous montrons aussi qu'en intégrant ces contraintes dans un algorithme EM, les paramètres du modèle sont estimés efficacement..pdf",
}