文献

J-GLOBAL ID：202202287345609820   整理番号：22A0806730

多変量信号のGauss混合モデル分解【JST・京大機械翻訳】

Gaussian mixture model decomposition of multivariate signals

著者 (2件)： Zickert Gustav (Department of Mathematics, KTH Royal Institute of Technology, Stockholm, Sweden) ,  Yarman Can Evren (Schlumberger Cambridge Research, Cambridge, UK)
資料名： Signal, Image and Video Processing  (Signal, Image and Video Processing)
巻： 16  号： 2  ページ： 429-436  発行年： 2022年 
JST資料番号： W4946A  ISSN： 1863-1711  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： Gaussの加重和として非負性多変量信号を分解するための greedy欲な変分法を提案し,統計から用語を借り,Gauss混合モデルと呼ぶ。特に,この方法は以下の特徴を持つ。(1)それは,入力として,多変量信号,すなわち,サンプリングした多変量関数,ヒストグラム,時系列,画像などを受け入れる。(2)この方法は,一般的(すなわち,楕円)Gausssを扱うことができる。(3)混合成分数に関する事前仮定は必要でない。知る限りでは,Gauss混合モデル分解のための以前の方法は,これらのすべての特徴を同時に楽しむ。また,Gauss混合モデルの任意のモードから対応する平均の集合までの距離に対して,大域的定数によって改善できない上限を証明した。一般的分散[数式:原文を参照]と球状Gaussの混合物に対して,この束縛は単純な形[数式:原文を参照]をとる。1次元および2次元信号に関する著者らの方法を評価した。最後に,クラスタリングと信号分解の間の関係を議論し,この方法をベースライン期待値最大化アルゴリズムと比較した。Copyright The Author(s) 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 変分法 ,  信号 ,  時系列 ,  近似法 ,  顕微鏡観察 ,  クラスタ化 ,  画像 ,  *二次元 ,  一次元 ,  基準線 ,  ヒストグラム ,  *Gauss模型
準シソーラス用語： EMアルゴリズム ,  *Gauss混合モデル ,  信号分解 ,  *多変量 , 【Automatic Indexing@JST】

著者キーワード (4件)： Gauss混合モデル(GMM) ,  マッチング追跡(MP) ,  変分欲張り近似 ,  Electron顕微鏡法

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 多変量 ,  Gauss混合モデル ,  分解