Wykorzystanie składowych głównych z normą L1 do filtracji projekcyjnej

• Autorzy: Przybyła T.

Identyfikatory

DOI

10.12915/pe.2014.05.31

Warianty tytułu

EN

A modification of nonlinear state-space projections (NSSP) method

• Języki publikacji: PL

Abstrakty

PL

W niniejszej pracy zaprezentowano zmodyfikowaną metodę nieliniowej filtracji projekcyjnej. Zaproponowana modyfikacja dotyczy problemu wyznaczania podprzestrzeni projekcyjnej. W oryginalnej metodzie filtracji do wyznaczenia podprzestrzeni projekcyjnej wykorzystuje się metodę analizy składowych głównych (PCA), gdzie wykorzystywana jest norma L2. Norma L2 wrażliwa jest na próbki obce, stąd zaproponowano metodę PCA z normą L1 do wyznaczenia podprzestrzeni projekcyjnej jak również do wyznaczenia końcowej wartości próbki sygnału.

EN

The paper presents a modification of nonlinear state-space projections (NSSP) method. The proposed approach deals with the sub-space estimation problem. In the original NSSP method, the principal component analysis (PCA) is used for the sub-space determination. The classical PCA uses L2 norm which is sensitive to outliers. Thus, in this paper the L1 norm PCA is proposed for a sub-space determination as well as for the final value of the processed signal sample

Słowa kluczowe

PL

przestrzeń fazowa; filtracja projekcyjna; nieliniowe tłumienie zakłóceń

EN

embedded space; projective filtering; nonlinear noise reduction

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2014
• Tom: R. 90, nr 5
• Strony: 134--137
• Opis fizyczny: Bibliogr. 9 poz., tab., wykr.

Twórcy

autor

Przybyła T.

• Politechnika Śląska, Instytut Elektroniki, Zakład Elektroniki Biomedycznej, ul. Akademicka 16, 44-100 Gliwice

Bibliografia

• [1] Kantz H., Schreiber T., Nonlinear time series analysis, Cambridge Univ. Press, 2004
• [2] Schreiber T., Kaplan D., Nonlinear noise reduction for electrocardiograms, Chaos, Vol. 6, pp.87-92, 1996.
• [3] Kotas M., Projective filtering of time warped ECG beats, Comp. In Biology and Medicine, 38 (2008), 127-137
• [4] Elshorbagy A., Simonovic S.P., Panu U.S., Noise reduction in chaotic hydrologic time series: facts and doubts, J. Hydrology, 256 (2002), 147-165
• [5] Nie F., Huang H. et.al, Robust principal component analysis with non-gready l1 norm maximization, Proc. 22nd Int’l Conf. Artificial Intelligence, 2011
• [6] Takens E., Detecting strange attractors in turbulence, Lecture Notes in Math, 898 (1981), 366-381
• [7] Jollife I.T., Principal component analysis, Springer, New York, 2002
• [8] Golub G. Van Loan Ch., Matrix Computation, The John Hopkins Univ. Press, 1996
• [9] Kwak N., Principal component analysis based on L1 norm maximization, IEEE Trans PAMI, 9 (2008), vol. 30, 1672-1680