Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
COMBINED MODELING OF SPARSE AND DENSE NOISE IMPROVES BAYESIAN RVM
KTH, Skolan för elektroteknik och datavetenskap (EECS), Centra, ACCESS Linnaeus Centre. KTH, Skolan för elektro- och systemteknik (EES).ORCID-id: 0000-0001-6992-5771
KTH, Skolan för elektroteknik och datavetenskap (EECS), Centra, ACCESS Linnaeus Centre. KTH, Skolan för elektro- och systemteknik (EES).ORCID-id: 0000-0003-2638-6047
KTH, Skolan för elektroteknik och datavetenskap (EECS), Centra, ACCESS Linnaeus Centre. KTH, Skolan för elektro- och systemteknik (EES).ORCID-id: 0000-0002-6855-5868
2014 (Engelska)Ingår i: 2014 PROCEEDINGS OF THE 22ND EUROPEAN SIGNAL PROCESSING CONFERENCE (EUSIPCO), IEEE , 2014, s. 1841-1845Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Using a Bayesian approach, we consider the problem of recovering sparse signals under additive sparse and dense noise. Typically, sparse noise models outliers, impulse bursts or data loss. To handle sparse noise, existing methods simultaneously estimate sparse noise and sparse signal of interest. For estimating the sparse signal, without estimating the sparse noise, we construct a Relevance Vector Machine (RVM). In the RVM, sparse noise and ever present dense noise are treated through a combined noise model. Through simulations, we show the efficiency of new RVM for three applications: kernel regression, housing price prediction and compressed sensing.

Ort, förlag, år, upplaga, sidor
IEEE , 2014. s. 1841-1845
Serie
European Signal Processing Conference, ISSN 2076-1465
Nyckelord [en]
Robust regression, Bayesian learning, Relevance vector machine, Compressed sensing
Nationell ämneskategori
Signalbehandling
Identifikatorer
URN: urn:nbn:se:kth:diva-243801ISI: 000393420200370ISBN: 978-0-9928626-1-9 (tryckt)OAI: oai:DiVA.org:kth-243801DiVA, id: diva2:1286372
Konferens
22nd European Signal Processing Conference (EUSIPCO), SEP 01-05, 2014, Lisbon, PORTUGAL
Anmärkning

QC 20190206

Tillgänglig från: 2019-02-06 Skapad: 2019-02-06 Senast uppdaterad: 2019-08-21Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Personposter BETA

Sundin, MartinChatterjee, SaikatJansson, Magnus

Sök vidare i DiVA

Av författaren/redaktören
Sundin, MartinChatterjee, SaikatJansson, Magnus
Av organisationen
ACCESS Linnaeus CentreSkolan för elektro- och systemteknik (EES)
Signalbehandling

Sök vidare utanför DiVA

GoogleGoogle Scholar

isbn
urn-nbn

Altmetricpoäng

isbn
urn-nbn
Totalt: 53 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf