Startseite UR

Sparse Component Analysis: a New Tool for Data Mining

Georgiev, P. und Pardalos, P. und Theis, Fabian J. und Cichocki, A. und Bakardjian, H. (2007) Sparse Component Analysis: a New Tool for Data Mining. In: Pardalos, P. und Boginski, V. und Vazacopoulos, A., (eds.) Data mining in biomedicine. Optimization and its applications, 7, Part I. Springer, New York, S. 91-116. ISBN 0-387-69318-1, 978-0-387-69318-7.

Im Publikationsserver gibt es leider keinen Volltext zu diesem Eintrag.


Zusammenfassung

In many practical problems for data mining the data X under consideration (given as (m × N)-matrix) is of the form X = AS, where the matrices A and S with dimensions m×n and n × N respectively (often called mixing matrix or dictionary and source matrix) are unknown (m ≤ n < N). We formulate conditions (SCA-conditions) under which we can recover A and S uniquely (up to scaling and permutation), ...

plus


Bibliographische Daten exportieren



Dokumentenart:Buchkapitel
Datum:2007
Institutionen:Biologie und Vorklinische Medizin > Institut für Biophysik und physikalische Biochemie > Prof. Dr. Elmar Lang
Verwandte URLs:
URLURL Typ
http://springerlink.com/content/k5k1l2m7365u5w06/Verlag
Stichwörter / Keywords:Sparse Component Analysis - Blind Signal Separation - clustering
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:15 Okt 2010 08:42
Zuletzt geändert:15 Okt 2010 08:42
Dokumenten-ID:17315
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