文献

J-GLOBAL ID：201702226814338069   整理番号：17A1185989

できるか雑音を含むデータにおける小信号を検出するためのPCA(主成分分析)を用いる【Powered by NICT】

Can we use PCA to detect small signals in noisy data?

著者 (2件)： Spiegelberg Jakob (Department of Physics and Astronomy, Uppsala University, Box 516, S-751 20 Uppsala, Sweden) ,  Rusz Jan (Department of Physics and Astronomy, Uppsala University, Box 516, S-751 20 Uppsala, Sweden)
資料名： Ultramicroscopy  (Ultramicroscopy)
巻： 172  ページ： 40-46  発行年： 2017年 
JST資料番号： W0972A  ISSN： 0304-3991  CODEN： ULTRD  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 主成分分析(PCA)は,雑音除去データに適した最も一般的に適用される次元縮小法の一つである。雑音を含むデータにおける低分散信号を検出するためのその限界に焦点を当てて,統計的および系統的誤差は,データセットのサイズ,LichtertとVerbeeck,(2013)[1]の研究を拡張の関数としてPCA再構成データで起こるかを議論した。PCAによって導入されたバイアスの推定と実験計画に及ぼすその影響に向けて特に注目した。大規模行列の雑音除去を目指して,零空間に基づく雑音除去(NBD)を紹介した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 次元縮小 ,  実験計画法 ,  系統誤差 ,  *主成分分析 ,  再構成 ,  雑音除去 ,  バイアス

著者キーワード (5件)： PCA(主成分分析) ,  零空間に基づく雑音除去 ,  ブラインド信号源分離 ,  バイアス推定 ,  スペクトルイメージング

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (3件)： 雑音を含むデータ ,  PCA ,  主成分分析