مقایسه روش های تحلیل مولفه های مستقل و کاربرد آن ها در جداسازی تصاویر نویزی
Publish place: Fourth International Conference on Soft Computing
Publish Year: 1400
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 191
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSCG04_148
تاریخ نمایه سازی: 23 اسفند 1400
Abstract:
تحلیل مولفه های مستقل روشی برای جداسازی منابع کور و بازیابی سیگنال های اصلی است. چون در داده های واقعی همیشه اطلاعات زایدی وجود دارد که باعث اختلال در تحلیل داده ها می شوند در نظرگرفتن نویز در همه مدل هایی که با دادههای واقعی سروکار دارند اهمیت پیدا می کند. در مدل های متداول تحلیل مولفه های مستقل نویز درنظر گرفته نمی شود، در این مقاله مدلی از مولفه های مستقل را که در آن نویز وجود دارد در نظر گرفته ایم و برای پیاده سازی مدل ها از شبیه سازی سیگنال های نویزی ترکیب شده از مدل گارچ استفاده می کنیم همچنین در داده های مربوط به تصویرهای دارای نویز هم به جداسازی تصاویر ترکیب شده می پردازیم. در این مقاله نتایج چهار روش مختلف تحلیل مولفه های مستقل برای جداسازی سیگنال های شبیه سازی شده و تصویرهای ترکیب شده نویز ی را مقایسه کرده ایم.
Keywords:
Authors
محمد صیدپیشه
استادیار گروه آمار، دانشکده ریاضی، دانشگاه گیلان
مرضیه قاسم پور
دانشجو کارشناسی ارشد ، دانشکده ریاضی، دانشگاه گیلان