Эта книга представляет собой систематическое исследование как классических, так и современных алгоритмов слепого разделения источников сигнала с практическими примерами их применения. Книга написана доступным вводным стилем, чтобы быть понятной читателям из разных областей знаний. Необходимы лишь базовые математические навыки (например, знания матричной алгебры и основ теории вероятностей), чтобы понять представленные алгоритмы.
Книга дает общий обзор основ слепого разделения источников, важных решений и алгоритмов, а также подробное описание применений в извлечении признаков изображений, совмещении изображений дистанционного зондирования, разложении смешанных пикселей РСА-изображений, распознавании объектов на изображениях, обработке медицинских изображений фМРТ, интеллектуальном анализе геохимических и геофизических данных, прогнозировании минеральных ресурсов и распознавании геоаномалий.
Сначала вводятся теоретические основы и базовые математические модели слепого разделения источников. Затем представлены фундаментальные и относительно новые, но довольно устоявшиеся алгоритмы, такие как независимый компонентный анализ (ICA) и его улучшенные версии. В последней части книги рассматриваются совсем недавние алгоритмы, например разреженный компонентный анализ (SCA) и неотрицательное матричное разложение (NMF).
К каждому алгоритму приведены подробные практические примеры, чтобы помочь читателю понять его и область применения. Книга будет полезна аспирантам и исследователям в области обработки сигналов, интеллектуального анализа данных, компьютерного зрения, информатики, наук о Земле и жизни.
Это систематическое исследование классических и современных алгоритмов метода разделения источников слепых со случайными исследованиями практика. Книга представляет обзор разделения источника слепых, относительно нового метода обработки сигналов. Из-за многодисциплинарности темы, книга была написана, чтобы привлечь аудиторию с резко отличающимися образовательными стандартами. Базовые математические навыки (например, по алгебре матриц и основам теории вероятности) являются необходимыми, чтобы понять алгоритмы, хотя книга была написан в вводном, доступном стиле. Эта книга предлагает общий обзор основ разделения источников слепого, важных решений и алгоритмов, и проникновение в деталь приложений в извлечении особенности изображения, объединении изображений дистанционного зондирования, разделении смешанного пикселя изображений SAR, распознавании объектов в изображении, медицинском образце fMRI, процессе медицинских изображений, обращении к геологическим и геофизических универсалий данных, прогнозировании минеральных ресурсов и информации об геоаномалиях. Вначале, введены основы контроля и теоритические основы разделения источников, что обеспечивает основу для последующей работы. Включены здесь операции матрицы, основы теории вероятности и основы информации. Затем следуют фундаментальные математические модели и довольно новые, но относительно установленные алгоритмы разделения источников слевых, такие как независимый анализ компонент (ICA) и его улучшенные алгоритмы (быстрый ICA, максимум вероятность ICA, избыточный ICA, ядровый ICA, гибкий ICA, отрицательный ICA, ограниченный ICA, оптимизированный ICA). Последняя часть книги рассматривает очень недавние алгоритмы в BSS например, анализ компоненты разреженные (SCА) и обратимый анализ матрицы положительный (NMFNM. Между тем, подробно представлено для каждого алгоритма, чтобы помочь читателю понять алгоритм и область его применения.
Электронная Книга «Blind Source Separation - Xianchuan Yu» написана автором Xianchuan Yu в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781118679869
Описание книги от Xianchuan Yu
A systematic exploration of both classic and contemporary algorithms in blind source separation with practical case studies The book presents an overview of Blind Source Separation, a relatively new signal processing method. Due to the multidisciplinary nature of the subject, the book has been written so as to appeal to an audience from very different backgrounds. Basic mathematical skills (e.g. on matrix algebra and foundations of probability theory) are essential in order to understand the algorithms, although the book is written in an introductory, accessible style. This book offers a general overview of the basics of Blind Source Separation, important solutions and algorithms, and in-depth coverage of applications in image feature extraction, remote sensing image fusion, mixed-pixel decomposition of SAR images, image object recognition fMRI medical image processing, geochemical and geophysical data mining, mineral resources prediction and geoanomalies information recognition. Firstly, the background and theory basics of blind source separation are introduced, which provides the foundation for the following work. Matrix operation, foundations of probability theory and information theory basics are included here. There follows the fundamental mathematical model and fairly new but relatively established blind source separation algorithms, such as Independent Component Analysis (ICA) and its improved algorithms (Fast ICA, Maximum Likelihood ICA, Overcomplete ICA, Kernel ICA, Flexible ICA, Non-negative ICA, Constrained ICA, Optimised ICA). The last part of the book considers the very recent algorithms in BSS e.g. Sparse Component Analysis (SCA) and Non-negative Matrix Factorization (NMF). Meanwhile, in-depth cases are presented for each algorithm in order to help the reader understand the algorithm and its application field. A systematic exploration of both classic and contemporary algorithms in blind source separation with practical case studies Presents new improved algorithms aimed at different applications, such as image feature extraction, remote sensing image fusion, mixed-pixel decomposition of SAR images, image object recognition, and MRI medical image processing With applications in geochemical and geophysical data mining, mineral resources prediction and geoanomalies information recognition Written by an expert team with accredited innovations in blind source separation and its applications in natural science Accompanying website includes a software system providing codes for most of the algorithms mentioned in the book, enhancing the learning experience Essential reading for postgraduate students and researchers engaged in the area of signal processing, data mining, image processing and recognition, information, geosciences, life sciences.
