Study on optimal divergence for superresolution-based supervised nonnegative matrix factorization (信号処理) Study on optimal divergence for superresolution-based supervised nonnegative matrix factorization

この論文をさがす

著者

抄録

本研究では,超解像に基づく教師ありの非負値行列因子分解(NMF)のための最適な距離規範の検討を行う.先行研究では,マルチチャネル音源の信号分解手法として,方位クラスタリングによる方位分解の後に,教師基底を外挿する超解像に基づく教師ありNMFを用いるハイブリッド信号分解手法が提案された.本稿では,超解像に基づく教師ありNMFの距離規範として,β-divergenceを用いた場合の更新式を導出し,本手法における最適な距離規範について考察する.

This paper addresses a stereo signal separation problem and gives an experimental study on optimal divergence for superresolution-based supervised nonnegative matrix factorization (NMF). In the previous studies, a hybrid method concatenating superresolution-based supervised NMF after directional clustering has been proposed for multichannel signal separation. In this paper, we derive generalized update rules for superresolution-based supervised NMF based on β-divergence criterion, and discuss the optimal divergence for the hybrid method.

収録刊行物

  • 電子情報通信学会技術研究報告 = IEICE technical report : 信学技報

    電子情報通信学会技術研究報告 = IEICE technical report : 信学技報 113(28), 79-84, 2013-05-16

    一般社団法人電子情報通信学会

各種コード

  • NII論文ID(NAID)
    110009768326
  • NII書誌ID(NCID)
    AA11943613
  • 本文言語コード
    ENG
  • ISSN
    0913-5685
  • NDL 記事登録ID
    024577977
  • NDL 請求記号
    Z16-940
  • データ提供元
    NDL  NII-ELS 
ページトップへ