Blind Source Separation: Theory and Applications

کاوش سیستماتیک الگوریتم‌های کلاسیک و معاصر در جداسازی منبع کور با مطالعات موردی عملی   

این کتاب مروری بر جداسازی منبع کور ارائه می‌کند. ، یک روش پردازش سیگنال نسبتاً جدید. با توجه به ماهیت چند رشته ای موضوع، این کتاب به گونه ای نوشته شده است که برای مخاطبان با زمینه های بسیار متفاوت جذاب باشد. مهارت های پایه ریاضی (مانند جبر ماتریس و مبانی نظریه احتمال) برای درک الگوریتم ها ضروری است، اگرچه کتاب به سبک مقدماتی و قابل دسترس نوشته شده است.

این کتاب یک نمای کلی از مبانی جداسازی منبع کور، راه‌حل‌ها و الگوریتم‌های مهم، و پوشش عمیق برنامه‌ها در استخراج ویژگی‌های تصویر، ادغام تصاویر سنجش از راه دور، تجزیه پیکسل‌های ترکیبی تصاویر SAR، تشخیص شیء تصویر پردازش تصویر پزشکی fMRI، داده‌کاوی ژئوشیمیایی و ژئوفیزیکی، پیش بینی منابع معدنی و شناسایی اطلاعات ژئوآنومالی ها در ابتدا، پیشینه و مبانی تئوری جداسازی منبع کور معرفی شده است که پایه و اساس کار زیر را فراهم می کند. عملیات ماتریس، مبانی نظریه احتمال و مبانی نظریه اطلاعات در اینجا گنجانده شده است. مدل ریاضی اساسی و الگوریتم‌های جداسازی منبع کور نسبتاً جدید اما نسبتاً تثبیت‌شده، مانند تجزیه و تحلیل مؤلفه‌های مستقل (ICA) و الگوریتم‌های بهبود یافته آن (ICA سریع، حداکثر احتمال ICA، ICA بیش از حد کامل، ICA هسته، ICA انعطاف‌پذیر، ICA غیرمنفی) دنبال می‌شود. ، ICA محدود، ICA بهینه شده). بخش آخر کتاب الگوریتم های بسیار اخیر در BSS را در نظر می گیرد. تجزیه و تحلیل اجزای پراکنده (SCA) و فاکتورسازی ماتریس غیر منفی (NMF). در همین حال، موارد عمیق برای هر الگوریتم ارائه شده است تا به خواننده کمک کند الگوریتم و زمینه کاربردی آن را درک کند.

• کاوش سیستماتیک الگوریتم‌های کلاسیک و معاصر در جداسازی منبع کور با عملی مطالعات موردی
• الگوریتم‌های بهبود یافته جدیدی را با هدف کاربردهای مختلف ارائه می‌کند، مانند استخراج ویژگی‌های تصویر، ادغام تصویر سنجش از راه دور، تجزیه پیکسل‌های ترکیبی تصاویر SAR، تشخیص اشیاء تصویر، و پردازش تصویر پزشکی MRI
• با کاربرد در داده کاوی ژئوشیمیایی و ژئوفیزیکی، پیش بینی منابع معدنی و شناسایی اطلاعات ژئوآنومالی ها
• نوشته شده توسط یک تیم متخصص با نوآوری های معتبر در جداسازی منابع کور و کاربردهای آن در علوم طبیعی
• وب‌سایت همراه شامل یک سیستم نرم‌افزاری است که کدهای بسیاری از الگوریتم‌های ذکر شده در کتاب را ارائه می‌کند و تجربه یادگیری را افزایش می‌دهد

خواندن ضروری برای دانشجویان کارشناسی ارشد و محققانی که در زمینه پردازش سیگنال، داده‌ها فعالیت می‌کنند. استخراج، پردازش و تشخیص تصویر، اطلاعات، علوم زمین، علوم زیستی.

A systematic exploration of both classic and contemporary algorithms in blind source separation with practical case studies   

The book presents an overview of Blind Source Separation, a relatively new signal processing method.  Due to the multidisciplinary nature of the subject, the book has been written so as to appeal to an audience from very different backgrounds. Basic mathematical skills (e.g. on matrix algebra and foundations of probability theory) are essential in order to understand the algorithms, although the book is written in an introductory, accessible style.

This book offers a general overview of the basics of Blind Source Separation, important solutions and algorithms, and in-depth coverage of applications in image feature extraction, remote sensing image fusion, mixed-pixel decomposition of SAR images, image object recognition fMRI medical image processing, geochemical and geophysical data mining, mineral resources prediction and geoanomalies information recognition. Firstly, the background and theory basics of blind source separation are introduced, which provides the foundation for the following work. Matrix operation, foundations of probability theory and information theory basics are included here. There follows the fundamental mathematical model and fairly new but relatively established blind source separation algorithms, such as Independent Component Analysis (ICA) and its improved algorithms (Fast ICA, Maximum Likelihood ICA, Overcomplete ICA, Kernel ICA, Flexible ICA, Non-negative ICA, Constrained ICA, Optimised ICA). The last part of the book considers the very recent algorithms in BSS e.g. Sparse Component Analysis (SCA) and Non-negative Matrix Factorization (NMF). Meanwhile, in-depth cases are presented for each algorithm in order to help the reader understand the algorithm and its application field.

• A systematic exploration of both classic and contemporary algorithms in blind source separation with practical case studies
• Presents new improved algorithms aimed at different applications, such as image feature extraction, remote sensing image fusion, mixed-pixel decomposition of SAR images, image object recognition, and MRI medical image processing
• With applications in geochemical and geophysical data mining, mineral resources prediction and geoanomalies information recognition
• Written by an expert team with accredited innovations in blind source separation and its applications in natural science
• Accompanying website includes a software system providing codes for most of the algorithms mentioned in the book, enhancing the learning experience

Essential reading for postgraduate students and researchers engaged in the area of signal processing, data mining, image processing and recognition, information, geosciences, life sciences.