\documentclass[11pt]{amsart}
\usepackage[frenchb]{babel}
\usepackage[applemac]{inputenc}
\usepackage{geometry}                % See geometry.pdf to learn the layout options. There are lots.
\geometry{letterpaper}                   % ... or a4paper or a5paper or ...
%\geometry{landscape}                % Activate for for rotated page geometry
%\usepackage[parfill]{parskip}    % Activate to begin paragraphs with an empty line rather than an indent
\usepackage{graphicx}
\usepackage{amssymb}
\usepackage{epstopdf}
\DeclareGraphicsRule{.tif}{png}{.png}{`convert #1 `dirname #1`/`basename #1 .tif`.png}

\title{Proposition de sujet pour SYS821 : Reconnaissance vocale de chiffre}
\author{Hugo Leblanc - LEBH01038602}
\date{\today}                                           % Activate to display a given date or no date

\begin{document}
\maketitle
\section{Problématique}
La reconnaissance est un domaine extrêmement vaste et à application multiple. Dans le cadre du cours SYS821, j'aimerais me pencher sur une application précise de ce domaine : la reconnaissance de chiffre. La reconnaissance de chiffre déjà délimité est un des premiers pas dans le monde de la reconnaissance vocale que j'aimerais reconstituer dans le cadre de ce cours en utilisant les méthodes enseignées.

Le problème de la reconnaissance vocale peut être divisé en plusieurs sous-problèmes:
\begin{description}
\item[Acquisition de données] Comment avoir une bonne base de données sur laquelle travailler.
\item[Caractérisation] La méthode utilisé pour caractérisé les fichiers vocaux.
\item[Classification] La méthode utilisé pour faire la classification de nos données caractérisé.
\item[Outils] Les outils informatiques utilisés pour travailler avec les données.
\end{description}
L'objectif de ce projet est d'utiliser un ensemble de méthode bien précise vu dans le cours et de voir si ses dernières sont capables de faire de la reconnaissance vocale de chiffre efficace. Dans le cas ou cette hypothèse se retrouverait non vérifié, de voir quel sont les failles dans lequel les méthodes utilisées sont tombées.
\section{Méthodologie}
\subsection{Acquisition de données}
En ce qui concerne l'acquisition de données, j'ai à ma disposition une grande base de données avec laquelle j'ai travaillé dans le cadre du cours ELE778. Elle consiste de plusieurs centaines d'échantillons pour chaque chiffre et sera une excellente base de données.
\subsection{Caractérisation}
La caractérisation des fichiers est une étape primordiale pour une bonne classification. Pour être capable de facilement travailler avec mes échantillons, j'irai avec une méthode d'extraction se basant sur la transformer de Fourier. La disposition des échantillons sur une échelle fréquentielle devrait donner une représentation apte à la classification. En plus de cela, j'opterai pour une transformation linéaire en utilisant la méthode d'analyse en composantes principales (ACP) pour diminuer les dimensions de ma base de données.
\subsection{Classification}
Du côté de la classification, j'utiliserai un algorithme à base de décision de Bayes pour faire une classification des données caractérisées. Dans le cas qu'il soit impossible de classifier les données correctement, je retournerai à l'étape de caractérisation pour essayer de nouvelle configuration et voir ce que cela s’applique en ce qui concerne la classification.
\subsection{Outils}
Pour bien travailler avec les données je vais utiliser le logiciel MATLAB. Celui-ci c'est prouver adéquat durant les laboratoires et devrait être tout aussi bon pour manier les différents opérations que ce problème présente.

\end{document}