國立高雄大學圖資館 |

語系: 繁體中文

說明(常見問題)

圖資館首頁

登入

回首頁

切換: 標籤 | MARC模式 | ISBD

一個有效率的隨機匹配追蹤演算法及其應用 = An Efficient S...

國立高雄大學統計學研究所

一個有效率的隨機匹配追蹤演算法及其應用 = An Efficient Stochastic Matching Pursuit Algorithm and its Applications

紀錄類型:	書目-語言資料,印刷品 : 單行本
並列題名:	An Efficient Stochastic Matching Pursuit Algorithm and its Applications
作者:	蔡雨潔,
其他團體作者:	國立高雄大學
出版地:	[高雄市]
出版者:	撰者;
出版年:	民99[2010]
面頁冊數:	27面圖，表 : 30公分;
標題:	吉布斯抽樣
標題:	Gibbs sampler
電子資源:	http://handle.ncl.edu.tw/11296/ndltd/00431189126162056804
摘要註:	隨機匹配追蹤演算法在貝氏變數選取中有很好的效能。在這篇論文中，首先我們提出一個隨機匹配追蹤演算法的完全貝氏版本，接著介紹一個針對此演算法更有效率的計算方法。然後我們將此隨機匹配追蹤演算法應用在聲音去噪的問題上，利用一些模擬和實際的聲音例子來驗證此演算法的效能。 The stochastic matching pursuit algorithm, proposed by Chen et al. (2009), performs well in Bayesian variable selection. In this thesis, the full Bayesian version of the stochastic matching pursuit algorithm is first proposed and then an efficient computing approach of this algorithm is introduced. Next we focus on applying the stochastic matching pursuit algorithm in the denoising problem. Several simulations and real sound examples are used to demonstrate the performance of the algorithm.

一個有效率的隨機匹配追蹤演算法及其應用 = An Efficient Stochastic Matching Pursuit Algorithm and its Applications
蔡, 雨潔

一個有效率的隨機匹配追蹤演算法及其應用 = An Efficient Stochastic Matching Pursuit Algorithm and its Applications / 蔡雨潔撰 - [高雄市] : 撰者, 民99[2010]. - 27面 ; 圖，表 ; 30公分.
參考書目：面.
吉布斯抽樣Gibbs sampler

一個有效率的隨機匹配追蹤演算法及其應用 = An Efficient Stochastic Matching Pursuit Algorithm and its Applications
LDR:01964nam0a2200277 450 001 272937
005 20170214090329.0
009 272937
010 0 $b 精裝
010 0 $b 平裝
100 $a 20170214y2010 k y0chiy05 b
101 1 $a eng $d chi $d eng
102 $a tw
105 $a ak am 000yy
200 1 $a 一個有效率的隨機匹配追蹤演算法及其應用 $d An Efficient Stochastic Matching Pursuit Algorithm and its Applications $f 蔡雨潔撰
210 $a [高雄市] $c 撰者 $d 民99[2010]
215 0 $a 27面 $c 圖，表 $d 30公分
314 $a 指導教授：陳瑞彬教授
320 $a 參考書目：面
328 $a 碩士論文--國立高雄大學統計學研究所
330 $a 隨機匹配追蹤演算法在貝氏變數選取中有很好的效能。在這篇論文中，首先我們提出一個隨機匹配追蹤演算法的完全貝氏版本，接著介紹一個針對此演算法更有效率的計算方法。然後我們將此隨機匹配追蹤演算法應用在聲音去噪的問題上，利用一些模擬和實際的聲音例子來驗證此演算法的效能。 The stochastic matching pursuit algorithm, proposed by Chen et al. (2009), performs well in Bayesian variable selection. In this thesis, the full Bayesian version of the stochastic matching pursuit algorithm is first proposed and then an efficient computing approach of this algorithm is introduced. Next we focus on applying the stochastic matching pursuit algorithm in the denoising problem. Several simulations and real sound examples are used to demonstrate the performance of the algorithm.
510 1 $a An Efficient Stochastic Matching Pursuit Algorithm and its Applications
610 0 $a 吉布斯抽樣 $a 梅托普利斯演算法 $a 去噪
610 1 $a Gibbs sampler $a Metropolis algorithm $a denoising
681 $a 008M/0019 $b 343201 4413 $v 2007年版
700 1 $a 蔡 $b 雨潔 $4 撰 $3 483091
712 0 2 $a 國立高雄大學 $b 統計學研究所 $3 166081
801 0 $a tw $b 國立高雄大學 $c 20101224 $g CCR
856 7 $z 電子資源 $2 http $u http://handle.ncl.edu.tw/11296/ndltd/00431189126162056804