Simulaatiotutkimus hajontamatriiseihin pohjautuvista ICA-estimaateista

 |  Login

Show simple item record

dc.contributor Aalto-yliopisto fi
dc.contributor Aalto University en
dc.contributor.advisor Ilmonen, Pauliina
dc.contributor.author Melén, Antti
dc.date.accessioned 2015-06-23T11:06:34Z
dc.date.available 2015-06-23T11:06:34Z
dc.date.issued 2015-06-09
dc.identifier.uri https://aaltodoc.aalto.fi/handle/123456789/16677
dc.description.abstract Independent component analysis is a relatively new computational technique for finding hidden components in a multivariate data or signals. In recent years ICA has become more known method as computation capacity has grown and more information has become digitalized, making ICA computations possible also for real time situations. In this thesis, we conduct a simulation study to compare different scatter matrix based independent component analysis estimates. In simulations we use Minimum Distance-index to measure the performance of these estimates. The purpose of this study is to find out if there is any benefit from using robust scatter matrix estimates. We also test using Minimum Distance-index how different scatter matrix based ICA-estimates behave when our data is not pure and has outliers. We also introduce several ICA applications with the most known of them being the cocktail party problem. In cocktail party problem the speech signals are separated from sample signals recorded in a room where several people are speaking simultaneously. Our results show that the outliers can have a very strong effect on the estimates depending on the original data distributions. However we did not observe much difference between estimates based on different scatter matrices. The difference was observable only in certain situations where the estimates were very close to the original data and based on our results we would recommend to always test several scatter matrix combinations and choose the suitable combination for each data. en
dc.description.abstract Riippumattomien komponenttien analyysi (ICA) on suhteellisen uusi laskennallinen tekniikka, jonka tarkoituksena on löytää moniulotteisessa aineistossa tai signaaleissa piilevät riippumattomat komponentit. ICA on tullut entistä relevantimmaksi aineistojen ja tietokantojen muuttuessa digitaalisiksi sekä kasvavan laskentatehon mahdollistamien laskujen myötä. Tämä työ on simulaatiotutkimus, jossa tutkitaan eri hajontamatriisien toimintaa ICA estimaattien laskemisessa. Estimointien vertailuun käytetään Minimum Distance-indeksiä, jolla voi verrata estimaattien sopimista alkuperäiseen aineistoon. Yhtenä työn lähtökohtana on tutkia onko robustimpien hajontamatriisien käytöstä hyötyä perinteisiin hajontaestimaatteihin verrattuna. Lisäksi testaamme, mikä vaikutus estimaattien toimintaan poikkeavilla havainnoilla on. Työssä esitellään myös muutamia ICA sovelluksia, niistä tunnetuimpana cocktail-juhla-ongelma. Cocktail-juhla-ongelmassa yritetään erottaa alkuperäiset äänisignaalit toisistaan tilanteessa, jossa huoneessa on useampi samanaikainen puhuja ja äänisignaalit sekoittuvat toisiinsa. Simulaation tulokset näyttävät, että poikkeavilla havainnoilla voi olla hyvinkin suuri vaikutus estimaattien toimivuuteen riippuen alkuperäisestä datasta. Eri hajontamatriiseihin perustuvien estimaattien välillä emme kuitenkaan löytäneet suuria eroja lukuunottamatta tiettyjä tilanteita, joissa estimaattien toimivuus oli todella hyvä. Tulostemme perusteella suosittelemme aina valitsemaan dataan parhaiten sopivan hajontamatriisi yhdistelmän. fi
dc.format.extent 85+10
dc.language.iso en en
dc.title Simulaatiotutkimus hajontamatriiseihin pohjautuvista ICA-estimaateista fi
dc.type G2 Pro gradu, diplomityö en
dc.contributor.school Perustieteiden korkeakoulu fi
dc.subject.keyword independent component analysis en
dc.subject.keyword ICA en
dc.subject.keyword principal component analysis en
dc.subject.keyword minimum distance-index en
dc.subject.keyword simulation en
dc.subject.keyword Mfunctionals en
dc.identifier.urn URN:NBN:fi:aalto-201506303511
dc.programme.major Systeemi- ja operaatiotutkimuksen pääaine fi
dc.programme.mcode F3008 fi
dc.type.ontasot Master's thesis en
dc.type.ontasot Diplomityö fi
dc.contributor.supervisor Ilmonen, Pauliina
dc.programme Teknillisen fysiikan ja matematiikan koulutusohjelma fi


Files in this item

Files Size Format View

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record

Search archive


Advanced Search

article-iconSubmit a publication

Browse

My Account