Wyniki wyszukiwania - BazTech

1

Wykorzystanie składowych głównych z normą L1 do filtracji projekcyjnej

Przybyła T.

Przegląd Elektrotechniczny

|

2014

|

R. 90, nr 5

134--137

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

2

Projective filtering based on L1-norm PC

Przybyła T., Wróbel J., Pander T., Czabański R., Jeżewski J., Matonia A.

Journal of Medical Informatics & Technologies

|

2013

|

Vol. 22

79--86

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 subspace determination. The classical PCA uses L2-norm. It is well known that the L2-norm is sensitive to outliers. Thus, in this paper the L1-norm PCA is proposed a subspace determination. In numerical experiments an analytic signal and real ECG signals are processed with the proposed method. The signals are contaminated with Gaussian distributed noise with different signal to noise ratio (SNR). Obtained results confirm the usefulness of the proposed modification.

3

Segmentation of biomedical signals using an unsupervised approach

Przybyła T., Wróbel J., Czabański R., Horoba K., Pander T., Momot M.

Journal of Medical Informatics & Technologies

|

2012

|

Vol. 19

125--131

EN

The paper presents an unsupervised approach to biomedical signal segmentation. The proposed segmentation process consists of several stages. In the first step, a state-space of the signal is reconstructed. In the next step, the dimension of the reconstructed state-space is reduced by projection into principal axes. The final step involves fuzzy clustering method. The clustering process is applied in the kernel-feature space. In the experimental part, the fetal heart rate (FHR) signal is used. The FHR baseline and the acceleration or deceleration patterns are the main signal nonstationarities but also the most clinically important signal features determined and interpreted in computer-aided analysis.