عنوان فارسی |
یک رویکرد متغیر برای ردگیری مولفه اصلی پایدار |
عنوان انگلیسی |
A variational approach to stable principal component pursuit |
کلمات کلیدی |
فرمولندی محدب؛ پیگیری مولفه اصلی پایدار (SPCP)؛ برهم نهی خطی |
درسهای مرتبط |
مهندسی کامپیوتر |
تعداد صفحات انگلیسی : 10 | نشریه : arXiv |
سال انتشار : 2014 | تعداد رفرنس مقاله : 32 |
فرمت مقاله انگلیسی : PDF | نوع مقاله : ISI |
آیا این مقاله برای بیس پایان نامه مناسب است؟ : بله | آیا این مقاله برای ارائه کلاسی مناسب است؟ : بله |
برنامه ای که در آن مقاله شبیه سازی شده است : این مقاله در محیط متلب پیاده سازی شده است | نام مجله مقاله : Optimization and Control (کنترل و بهینه سازی) |
ترجمه: ندارد | گزارشکار : ندارد | شبیه سازی : دارد (فایل های شبیه سازی در متلب با فرمت .m) |
این مقاله در محیط متلب به صورت کامل شبیه سازی شده و در صورت خرید و دانلود مقاله شما به راحتی قادر خواهید بود از برنامه مربوطه استفاده نمایید. در صورت بروز هر گونه مشکل در نحوه ی اجرای برنامه سایت سیگمالند به مدت 24 ساعت بعد از خرید محصول، پشتیبانی آن را تا اجرای کامل برعهده دارد.
برهم نهی خطی، مدل مفیدی برای بسیاری از کاربردها، شامل مسائل مخلوط سازی غیرخطی، می باشد. تعجب برانگیز اینکه، می توانیم بطور کامل چندین عنصر در یک سیگنال معین را با استفاده از بهینه سازی کوژ از هم متمایز کنیم، مادامی که مختصر باشند و به اندازه کافی با دیگری متفاوت بنظر برسد. مثال های مشهور، شامل «تحلیل مولفه اصلی استوار» (RPCA) که در آن یک سیگنال را به مولفه های رتبه پایین و تنک (پراکنده) تجزیه می کنیم و «تعقیب مولفه اصلی پایدار» (SPCP) که در آن به دنبال یک مولفه نویز صریح در تجزیه RPCA می گردیم، می باشند. کاربردها، شامل همسوسازی تصاویر مسدود شده، مثلثی سازی صحنه، انتخاب مدل، تشخیص چهره و شاخص گذاری سند می باشند.
در این پروژه، یک فرمولاسیون کوژ جدید برای «تعقیب مولفه اصلی پایدار» (SPCP) جهت تجزیه سیگنال های نویزدار و تبدیل به نمایش های رتبه پایین و تنک، معرفی می کنیم. برای جواب های عددی فرمولاسیون SPCP ما، ابتدا یک چارچوب تغییرات کوژ ایجاد می کنیم و سپس آنرا با روش های شبه نیوتن، شتاب می دهیم. از طریق آزمایش های تجربی سنتزی و داده واقعی، نشان می دهیم که رویکرد ما مزایایی نسبت به فرمولاسیون های SPCP کلاسیک از نظر مقیاس پذیری و انتخاب پارامتر عملی، فراهم می کند.
در این مقاله، چندین فرمولاسیون و الگوریتم را برای مسئله RPCA، مرور کردیم. یک فرمولاسیون نویز زدایی جدید (SPCPmax) را برای فرمولاسیون های قبلاً ملاحظه شده، معرفی کردیم و در مورد مزیت های مدلسازی و الگوریتمی فرمولاسیون های نویز زدایی (SPCPmax) و (SPCPsum) در مقایسه با نسخه های برگردانده شده (flipped) یعنی (flip-SPCPmax) و (flip-SPCPsum) را به بحث گذاشتیم. بخصوص اینکه، نشان دادیم که این فرمولاسیون ها را می توان با استفاده از یک چارچوب تغییراتی به هم مرتبط کرد که از آن می توان برای حل فرمولاسیون های نویز زدایی با استفاده از یک دنباله مسئله برگردانده شده، بهره گرفت. برای (flip-SPCPmax) یک شتاب دهی شبه نیوتن پیشنهاد کردیم که با روش های نوین رقابت می کند و از این نوآوری برای طراحی یک روش سریع برای (SPCPmax) از طریق چارچوب تغییراتی، استفاده کردیم. روش های جدید با روش های نوین قبلی برای مثالهای سنتزی مقایسه شدند و برای یک کاربرد حذف ابر واقعی با استفاده از داده های ماهواره ای MODIS مهیا برای همه، بکار گرفته می شود.
این شبیه سازی در محیط نرم افزار متلب (MATLAB) انجام شده و در ادامه نیز تصاویر مربوط به خروجی های شبیه سازی قرار داده شده است:
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.