Vertex-Frequency Analysis of Graph Signals

ویرایش: 1st ed. 
نویسندگان: Ljubiša Stanković. Ervin Sejdić  
سری: Signals and Communication Technology 
ISBN (شابک) : 9783030035730, 9783030035747 
ناشر: Springer International Publishing 
سال نشر: 2019 
تعداد صفحات: 516 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 30 مگابایت 

قیمت کتاب (تومان) : 37,000



این کتاب روش‌های جدیدی را برای تحلیل سیگنال‌های گراف متغیر راس معرفی می‌کند. در بسیاری از سناریوهای دنیای واقعی، حوزه سنجش داده ها یک شبکه معمولی نیست، بلکه شبکه پیچیده تری است که از نقاط سنجش (راس) و یال ها (که نقاط سنجش را به هم مرتبط می کند) تشکیل شده است. علاوه بر این، هندسه حسگر یا ویژگی های سیگنال، رابطه بین نقاط سیگنال حس شده را تعریف می کند. حتی برای داده های حس شده در حوزه زمانی یا فضایی به خوبی تعریف شده، معرفی روابط جدید بین نقاط حسگر ممکن است بینش جدیدی در تجزیه و تحلیل ایجاد کند و منجر به تکنیک های پردازش داده های پیشرفته تر شود. دامنه داده، در این موارد و در این کتاب مورد بحث قرار گرفته است، توسط یک نمودار تعریف شده است. نمودارها از روابط اساسی بین نقاط داده بهره برداری می کنند. پردازش سیگنال‌هایی که حوزه‌های سنجش آن‌ها توسط نمودارها تعریف می‌شوند منجر به پردازش داده‌های گراف به‌عنوان یک زمینه نوظهور در پردازش سیگنال می‌شود.

اگرچه تکنیک‌های پردازش سیگنال برای تجزیه و تحلیل سیگنال‌های متغیر با زمان به خوبی تثبیت شده‌اند، رویکردهای معادل پردازش سیگنال گراف مربوطه وجود دارد. هنوز در مراحل اولیه خود هستند. این کتاب رویکردهای جدیدی را برای تجزیه و تحلیل سیگنال‌های گراف متغیر راس ارائه می‌کند. روش‌های تحلیل فرکانس راس از ماتریس لاپلاسین یا مجاورت برای ایجاد ارتباط بین راس و دامنه طیفی (فرکانس) استفاده می‌کنند تا رفتار سیگنال محلی را که در آن اتصالات لبه برای مکان‌یابی سیگنال گراف استفاده می‌شود، تجزیه و تحلیل کنند. این کتاب مفاهیم ترکیبی از تحلیل‌های فرکانس زمانی و موجک پردازش سیگنال کلاسیک تا تجزیه و تحلیل سیگنال‌های نمودار را به کار می‌گیرد.این کتاب با پوشش ابزارهای تحلیلی برای کاربردهای متغیر رأس، مورد توجه محققان و متخصصان مهندسی است. ، علم، علوم اعصاب، پردازش ژنوم، فقط به نام چند. این کتاب همچنین منبع ارزشمندی برای دانشجویان کارشناسی ارشد و محققانی است که به دنبال گسترش دانش خود در مورد تئوری تحلیل فرکانس رئوس و کاربردهای آن هستند.

این کتاب شامل 15 فصل است که توسط 41 پژوهش پیشرو در زمینه ارائه شده است. فیلد.

This book introduces new methods to analyze vertex-varying graph signals. In many real-world scenarios, the data sensing domain is not a regular grid, but a more complex network that consists of sensing points (vertices) and edges (relating the sensing points). Furthermore, sensing geometry or signal properties define the relation among sensed signal points. Even for the data sensed in the well-defined time or space domain, the introduction of new relationships among the sensing points may produce new insights in the analysis and result in more advanced data processing techniques. The data domain, in these cases and discussed in this book, is defined by a graph. Graphs exploit the fundamental relations among the data points. Processing of signals whose sensing domains are defined by graphs resulted in graph data processing as an emerging field in signal processing.

Although signal processing techniques for the analysis of time-varying signals are well established, the corresponding graph signal processing equivalent approaches are still in their infancy. This book presents novel approaches to analyze vertex-varying graph signals. The vertex-frequency analysis methods use the Laplacian or adjacency matrix to establish connections between vertex and spectral (frequency) domain in order to analyze local signal behavior where edge connections are used for graph signal localization. The book applies combined concepts from time-frequency and wavelet analyses of classical signal processing to the analysis of graph signals.Covering analytical tools for vertex-varying applications, this book is of interest to researchers and practitioners in engineering, science, neuroscience, genome processing, just to name a few. It is also a valuable resource for postgraduate students and researchers looking to expand their knowledge of the vertex-frequency analysis theory and its applications.

The book consists of 15 chapters contributed by 41 leading researches in the field.

Front Matter ....Pages i-xv
Front Matter ....Pages 1-1
 Introduction to Graph Signal Processing  (Ljubiša Stanković, Miloš Daković, Ervin Sejdić)....Pages 3-108
Front Matter ....Pages 109-109
 Transformation from Graphs to Signals and Back  (Ronan Hamon, Pierre Borgnat, Patrick Flandrin, Céline Robardet)....Pages 111-139
 The Spectral Graph Wavelet Transform: Fundamental Theory and Fast Computation  (David K. Hammond, Pierre Vandergheynst, Rémi Gribonval)....Pages 141-175
 Spectral Design of Signal-Adapted Tight Frames on Graphs  (Hamid Behjat, Dimitri Van De Ville)....Pages 177-206
 Wavelets on Graphs via Deep Learning  (Raif M. Rustamov, Leonidas J. Guibas)....Pages 207-222
 Oversampled Transforms for Graph Signals  (Yuichi Tanaka, Akie Sakiyama)....Pages 223-254
 Local-Set-Based Graph Signal Sampling and Reconstruction  (Yuantao Gu, Xiaohan Wang)....Pages 255-292
 Time-Varying Graph Signals Reconstruction  (Xianghui Mao, Yuantao Gu)....Pages 293-316
 Uncertainty Principle on Graphs  (Bastien Pasdeloup, Vincent Gripon, Réda Alami, Michael G. Rabbat)....Pages 317-340
 A Filtering Framework for Time-Varying Graph Signals  (Addison W. Bohannon, Brian M. Sadler, Radu V. Balan)....Pages 341-376
 Vertex-Frequency Energy Distributions  (Ljubiša Stanković, Miloš Daković, Ervin Sejdić)....Pages 377-415
Front Matter ....Pages 417-417
 Shape Analysis of Carpal Bones Using Spectral Graph Wavelets  (Majid Masoumi, Mahsa Rezaei, A. Ben Hamza)....Pages 419-436
 Estimating the Complexity of the Cerebral Cortex Folding with a Local Shape Spectral Analysis  (Hamed Rabiei, Frédéric Richard, Olivier Coulon, Julien Lefèvre)....Pages 437-458
 Wavelet-Based Visual Data Exploration  (Alcebiades Dal Col, Paola Valdivia, Fabiano Petronetto, Fabio Dias, Claudio T. Silva, L. Gustavo Nonato)....Pages 459-478
 Graph-Based Wavelet Multiresolution Modeling of Multivariate Terrain Data  (Teodor Cioacă, Bogdan Dumitrescu, Mihai-Sorin Stupariu)....Pages 479-507