Startseite UR

Uniqueness of non-gaussian subspace analysis

Theis, Fabian J. und Kawanabe, M. (2006) Uniqueness of non-gaussian subspace analysis. In: Rosca, J., (ed.) Independent Component Analysis and Blind Signal Separation, 6th International Conference, ICA 2006, Charleston, SC, USA, March 5-8, 2006. Proceedings. Lecture notes in computer science, 3889. Springer, Berlin, S. 917-925. ISBN 3-540-32630-8 (print), 978-3-540-32630-4 (e-book).

Im Publikationsserver gibt es leider keinen Volltext zu diesem Eintrag.

Zum Artikel beim Verlag (über DOI)


Zusammenfassung

Dimension reduction provides an important tool for preprocessing large scale data sets. A possible model for dimension reduction is realized by projecting onto the non-Gaussian part of a given multivariate recording. We prove that the subspaces of such a projection are unique given that the Gaussian subspace is of maximal dimension. This result therefore guarantees that projection algorithms uniquely recover the underlying lower dimensional data signals.


Bibliographische Daten exportieren



Dokumentenart:Buchkapitel
Datum:2006
Institutionen:Biologie und Vorklinische Medizin > Institut für Biophysik und physikalische Biochemie > Prof. Dr. Elmar Lang
Identifikationsnummer:
WertTyp
10.1007/11679363_114DOI
Verwandte URLs:
URLURL Typ
http://www.springerlink.com/content/t41570185123m40u/Verlag
Dewey-Dezimal-Klassifikation:500 Naturwissenschaften und Mathematik > 570 Biowissenschaften, Biologie
Status:Veröffentlicht
Begutachtet:Unbekannt / Keine Angabe
An der Universität Regensburg entstanden:Unbekannt / Keine Angabe
Eingebracht am:01 Okt 2010 08:00
Zuletzt geändert:01 Okt 2010 08:00
Dokumenten-ID:16868
Nur für Besitzer und Autoren: Kontrollseite des Eintrags
  1. Universität

Universitätsbibliothek

Publikationsserver

Kontakt:

Publizieren: oa@ur.de

Dissertationen: dissertationen@ur.de

Forschungsdaten: daten@ur.de

Ansprechpartner