Analisis Vektor Independen
Analisis Vektor Independen (IVA) adalah perluasan multivariat dari Analisis Komponen Independen yang secara bersamaan memisahkan banyak kumpulan data sambil mempertahankan dependensi di dalam setiap kumpulan data. Dikembangkan oleh Lee, Lewicki, dan Sejnowski pada tahun 2000-an, IVA digunakan untuk pemisahan sumber buta dalam audio multi-kanal, pencitraan otak, dan pemrosesan sinyal. IVA memanfaatkan independensi antar sumber dan korelasi dalam pita frekuensi atau struktur waktu-frekuensi.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Independent Vector Analysis for Multivariate Blind Source Separation. ScholarGate. https://scholargate.app/id/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.
- AmbisonikFisika Terapan↔ compare
- Fungsi Transfer Terkait KepalaFisika Terapan↔ compare
- Koefisien Cepstral Frekuensi Mel (MFCC)Fisika Terapan↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →