स्वतंत्र सदिश विश्लेषण
स्वतंत्र सदिश विश्लेषण (IVA) स्वतंत्र घटक विश्लेषण (Independent Component Analysis) का एक बहुभिन्नरूपी विस्तार है जो प्रत्येक डेटासेट के भीतर निर्भरता बनाए रखते हुए कई डेटासेट को संयुक्त रूप से अलग करता है। 2000 के दशक में ली, लेविकी और सेजनोव्स्की द्वारा विकसित, IVA का उपयोग मल्टी-चैनल ऑडियो, मस्तिष्क इमेजिंग और सिग्नल प्रोसेसिंग में ब्लाइंड सोर्स सेपरेशन के लिए किया जाता है। यह स्रोतों के बीच स्वतंत्रता और आवृत्ति बैंड या समय-आवृत्ति संरचनाओं के भीतर सहसंबंध दोनों का उपयोग करता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Lee, T. W., Lewicki, M. S., & Sejnowski, T. J. (2007). Independent Component Analysis for Source Localization in Biomedical Signals. In Proc. IEEE Int. Conf. Acoust. Speech Signal Process., pp. 97-100. link ↗
- Kim, T., Attias, H. T., Lee, S. Y., & Lee, T. W. (2006). Blind source separation exploiting higher-order frequency dependencies. IEEE Transactions on Audio, Speech, and Language Processing, 15(1), 70-79. DOI: 10.1109/tasl.2006.872618 ↗
- Comon, P., Jutten, C., & Herault, J. (2010). Blind Separation of Sources, Part II: Problems Statement. IEEE Transactions on Signal Processing, 59(11), 4711-4721. link ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Independent Vector Analysis for Multivariate Blind Source Separation. ScholarGate. https://scholargate.app/hi/applied-physics/independent-vector-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- एम्बिसोनिक्सअनुप्रयुक्त भौतिकी↔ compare
- हेड-रिलेटेड ट्रांसफर फंक्शनअनुप्रयुक्त भौतिकी↔ compare
- MFCC (मेल-फ्रीक्वेंसी सेप्सट्रल कोएफ़िशिएंट्स)अनुप्रयुक्त भौतिकी↔ compare