Blind source separation using support vector machines
Destek vektör makinalarıyla gözü kapalı ayrıştırma
- Tez No: 202487
- Danışmanlar: DOÇ. DR. NALAN ÖZKURT
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2006
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 96
Özet
Gözü kapalı kaynak ayrımı, kaynak sinyallerinin karışım sinyallerinden hiçbir kaynak sinyal ve karıştırıcı ortam bilgisi olmadan yeniden elde edilmesi olarak tanımlanabilir. Kaynak karıştırıcı ortam tipi doğrusal veya doğrusal olmayabilir, bu bilgi gözü kapalı ayrımı probleminin tipini belirler. Bağımsız bileşen analizi çok değişkenli bir veri için sinyal bileşenleri arasında istatiksel bağımlılığı en az hale getirerek doğrusal gözü kapalı kaynak ayrıştırma problemini çözer, fakat doğrusal olmayan durumu çözemez. Zamansal tahmin edilebilirlik bilgisinin ölçümü üzerine kurulmuş olan zamansal tahmin edilebilirlik metodu doğrusal gözü kapalı kaynak ayrıştırma problemlerini çözebilir fakat doğrusal olmayan problemi çözemez. Çekirdek tabanlı zamansal tahmin edilebilirlik metodu destek vektör makinalarındaki (DVM) çekirdek metotlarının zamansal tahmin edilebilirlik metoduna uygulanması şeklinde oluşturulmuştur. Bu tezde, doğrusal ve doğrusal olmayan gözü kapalı kaynak ayrıştırılması uygulamalarının simülasyonları, doğrusal ve doğrusal olmayan zamansal tahmin edilebilirlik metotları kullanılarak Matlab nümerik analiz yazılım paketinde yapılmıştır. Bu çalışmada ses ayrıştırmasına ek olarak algoritmalar görüntü ayrıştırması içinde genişletildi. Algoritmaların istatiksel performans analizi farklı çekirdek dereceleri, tipleri ve görüntü hücre büyüklüğü ve doğrusal olmayan karışım fonksiyonları için yapılmıştır.
Özet (Çeviri)
Blind source separation (BSS) can be defined as the recovering of source signals from their mixture signals without any prior knowledge of the source and mixing environment. The type of the mixing environment may be linear or nonlinear and this determines the type of the BSS problem. Independent component analysis (ICA) method solves linear BSS by finding a representation for a multivariate data that minimizes the statistical dependency between signal components, but ICA can not find solution for nonlinear BSS. The kernelbased methods have been implemented to solve the nonlinear BSS problems. The temporal predictability method that is based on the measure of temporal predictability solves the linear BSS problems, but it can not achieve the nonlinear BSS. The kernelized temporal predictability method is based on applying the kernel methods in support vector machines (SVMs) to the temporal predictability method. In this thesis, the linear and nonlinear BSS applications have been simulated in Matlab numeric analysis software package by using the linear and kernelized temporal predictability methods, respectively. In addition to sound separation, the algorithms has been extended for the image separation problem newly in this study. The statistical performance of the algorithms have been simulated using different algorithm parameters like kernel degree, kernel type, image mass size and nonlinear mixing function.
Benzer Tezler
- Representations of musical instrument sounds for classification and separation
Sınıflandırma ve ayrıştırma için müzik enstruman sesleri gösterimleri
MEHMET ERDAL ÖZBEK
Doktora
İngilizce
2009
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. FERİT ACAR SAVACI
- Psikofizyolojik ölçüm tabanlı beyin bilgisayar arayüz sistemlerinde performans artırmaya yönelik bir çalışma
A study on performance increasing in psychophysiological measurement based brain-computer interface systems
ERDEM ERKAN
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET AKBABA
- Çinko nanotanecik içeren polimer nanokompozit malzeme üretimi ve karakterizasyonu
Fabrication and characterization of polymer nanocomposite materials incorporated zno nanoparticles
ALEV AKBAŞ
Yüksek Lisans
Türkçe
2018
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. SADRİYE KÜÇÜKBAYRAK OSKAY
- Otoyollarda kullanılan geometrik ve fiziki standaertların irdelenmesi ve Türkiye'deki uygulamalar
Başlık çevirisi yok
LEYLA TÜRKSELCİ