8030

بررسي روش ها و كاربردهاي جداسازي كور منابع با تجزيه ماتريس هاي نامنفي

1399

دكتر محمدحسين كهائي

امروزه پيشرفت فناوري رايانهاي منجر به افزايش حجم دادهها و نيز بهوجودآمدن پايگاههاي بزرگ دادهها شده است. در نتيجه روشهاي مختلفي براي كشف دانش از آنها، معرفي شده است و يا در حال معرفي هستند. بهطور كلي، تجزيه ماتريس ابزاري براي تحليل دادهها است. هر تجزيه تعبيرهاي مختلفي را از ساختار ضمني دادهها آشكار ميسازد. ماتريسهاي داده در بعضي از كاربردها، غالباً نامنفي هستند كه اين ويژگي محدوديتهايي را در استفاده از روشهاي ماتريسي كلاسيك به همراه دارد. در سالهاي اخير، بسياري از الگوريتمها براي فاكتورسازي ماتريس توسعه يافتهاند. اينها شامل تجزيه و تحليل مؤلفههاي مستقل و فاكتورسازي ماتريس نامنفي است. تجزيه نامنفي ماتريس NMF)) يك روش توسعهيافته بيان دادهها با استفاده از قيود نامنفي است. اين ويژگيها اخيراً به كاربرد در جداسازي كور منابع علاقه زيادي به NMF نشان داده است. اگرچه به كارگيري روشهاي قبل سبب كاهش بعد دادههاي بزرگ ميشود، اما تعبيري صحيح از دادههاي نامنفي از آنها به دست نميآيد. از اين رو از تجزيه ماتريس نامنفي استفاده ميكنند. كه علاوه بر كاهش بعد دادهها، محدوديت روشهاي كلاسيك را ندارد. در اين روش، ماتريس بزرگ متناظر با دادههاي نامنفي به دو ماتريس نامنفي كوچك تجزيه ميشود. بارزترين مشكلات NMF، عدم تضمين همگرايي به نقطه كمينه سراسري است. چون مسئله NMF محدب نيست، انتظار ميرود چندين نقطه كمينه موضعي وجود دارد و عدم يكتايي جواب وجود دارد. و با ارائه الگوريتمهاي تكراري كه باعث همگرايي شود ولي زمانبر است. كلمات كليدي: جداسازي كور منابع، تجزيه نامنفي ماتريس

11/25/2020 12:00:00 AM

70038

1399/10/01

Investigation of methods and applications of blind source separation by non-negative matrix factorization