В анализе данных , то матрица самоподобности представляет собой графическое представление подобных последовательностей в последовательности данных.
Сходство можно объяснить различными показателями, такими как пространственное расстояние ( матрица расстояний ), корреляция или сравнение локальных гистограмм или спектральных свойств (например, IXEGRAM [1] ). Этот метод также применяется для поиска заданного паттерна в длинных рядах данных, как при сопоставлении генов . [ необходима цитата ] График подобия может быть отправной точкой для точечных графиков или графиков повторения .
Определение
Чтобы построить матрицу самоподобия, сначала преобразуется ряд данных в упорядоченную последовательность векторов признаков. , где каждый вектор описывает соответствующие характеристики ряда данных в заданном локальном интервале. Затем матрица самоподобия формируется путем вычисления подобия пар векторов признаков.
где - функция, измеряющая сходство двух векторов, например, внутренний продукт . Тогда похожие сегменты векторов признаков будут отображаться как пути большого сходства по диагоналям матрицы. [2] Графики подобия используются для распознавания действий, инвариантных к точке зрения [3], и для сегментации звука с использованием спектральной кластеризации матрицы самоподобия. [4]
Пример
Смотрите также
Рекомендации
- ^ MA Кейси; А. Вестнер (июль -00 2000). «Разделение смешанных аудиоисточников с помощью независимого подпространственного анализа» (PDF) . Proc. Int. Comput. Музыкальная конф . Проверено 19 ноября 2013 . Проверить значения даты в:
|date=
( помощь ) - ^ Мюллер, Мейнард; Майкл Клаузен (2007). «Транспозиционно-инвариантные матрицы самоподобия» (PDF) . Материалы 8-й Международной конференции по поиску музыкальной информации (ISMIR 2007) : 47–50 . Проверено 19 ноября 2013 .
- ^ IN Джунджо; Э. Декстер; И. Лаптев; Патрик Перес (2008). Распознавание действий перекрестных взглядов по временным самоподобиям . В Proc. Европейская конференция по компьютерному зрению (ECCV), Марсель, Франция . Конспект лекций по информатике. 5303 . С. 293–306. CiteSeerX 10.1.1.405.1518 . DOI : 10.1007 / 978-3-540-88688-4_22 . ISBN 978-3-540-88685-3.
- ^ Дубнов, Шломо; Тед Апель (2004). «Сегментация звука с помощью кластеризации единственного числа». Труды компьютерной музыкальной конференции (ICMC 2004) . CiteSeerX 10.1.1.324.4298 .
- ^ Распознавание действий перекрестного взгляда по временным самоподобиям (2008), И. Джунджо, Э. Декстер, И. Лаптев и Патрик Перес)
дальнейшее чтение
- Н. Марван; MC Romano; М. Тиль; Дж. Куртс (2007). «Графики повторяемости для анализа сложных систем». Отчеты по физике . 438 (5–6): 237. Bibcode : 2007PhR ... 438..237M . DOI : 10.1016 / j.physrep.2006.11.001 .
- Дж. Фут (1999). Визуализация музыки и звука с помощью самоподобия . В: Proceedings of ACM Multimedia '99, Орландо, Флорида . С. 77–80. CiteSeerX 10.1.1.223.194 . DOI : 10.1145 / 319463.319472 . ISBN 978-1581131512.
- М.А. Кейси (2002). BS Manjunath; П. Салембье; Т. Сикора (ред.). Звуковые инструменты классификации и подобия . Введение в MPEG-7: язык описания мультимедийного контента . Дж. Вили. С. 309–323. ISBN 978-0471486787.