文献

J-GLOBAL ID：202002241099177280   整理番号：20A1954811

打切り核ノルム正則化による二次元地震データ再構成【JST・京大機械翻訳】

2-D Seismic Data Reconstruction via Truncated Nuclear Norm Regularization

著者 (4件)： Zhang Wanjuan (School of Mathematics and Physics, China University of Geosciences, Wuhan, China) ,  Fu Lihua (School of Mathematics and Physics, China University of Geosciences, Wuhan, China) ,  Zhang Meng (School of Computer Science, Central China Normal University, Wuhan, China) ,  Cheng Wenting (School of Mathematics and Physics, China University of Geosciences, Wuhan, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 58  号： 9  ページ： 6336-6343  発行年： 2020年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ランク低減(RR)法は地震データを再構成するために広く適用されてきた。RRのポピュラーな凸緩和定式化は核ノルム最小化(NNM)であり,その凸性に資本化されている。その結果,グローバル最適化は,NNM方法によって効果的に達成することができた。しかし,NNMはすべての特異値の合計を最小化し,従ってランク関数の最小と等価でない。実際,行列のランクは非ゼロ特異値の数に等しい。従って,NNMは元のRR問題に対する良好な近似ではなく,再構成性能に影響する。短縮核ノルム正則化(TNNR)法は最小min(m,n)-r特異値(m,nは行列のサイズであり,rはランク)を最小化し,実際の応用におけるランク関数に対するより正確な近似を与える。本論文では,テクスチャパッチマトリックスに基づくTNNRによる地震再構成のための新しい方法を提案し,さらに,計算のコストを効率的に低減できるr_rを推定するための戦略を提供した。合成データおよび実データの両方で行った数値実験は,提案アルゴリズムに基づく再構成品質が特異値閾値化アルゴリズムおよび低ランク因数分解モデル(低ランク行列フィッティング)に基づくものより良好であることを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *地震 ,  因数分解 ,  再構成 ,  緩和現象 ,  *二次元 ,  *正則化 ,  凸形 ,  定式化 ,  *ノルム
準シソーラス用語： 大域的最適化 ,  数値実験 ,  *地震データ ,  特異値 ,  データ再構成 , 【Automatic Indexing@JST】

分類 (2件)： 数値計算  (JE02000J) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 打切り ,  核 ,  ノルム ,  正則化 ,  地震 ,  データ再構成