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
KERNEL REGRESSION FOR GRAPH SIGNAL PREDICTION IN PRESENCE OF SPARSE NOISE
KTH, Skolan för elektroteknik och datavetenskap (EECS), Teknisk informationsvetenskap.
Ecole Polytech Fed Lausanne, Signal Proc Lab LTS4, Lausanne, Switzerland..
KTH, Skolan för elektroteknik och datavetenskap (EECS), Teknisk informationsvetenskap.ORCID-id: 0000-0003-2638-6047
2019 (Engelska)Ingår i: 2019 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP), IEEE , 2019, s. 5426-5430Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

In presence of sparse noise we propose kernel regression for predicting output vectors which are smooth over a given graph. Sparse noise models the training outputs being corrupted either with missing samples or large perturbations. The presence of sparse noise is handled using appropriate use of l(1)-norm along-with use of l(2)-norm in a convex cost function. For optimization of the cost function, we propose an iteratively reweighted least-squares (IRLS) approach that is suitable for kernel substitution or kernel trick due to availability of a closed form solution. Simulations using real-world temperature data show efficacy of our proposed method, mainly for limited-size training datasets.

Ort, förlag, år, upplaga, sidor
IEEE , 2019. s. 5426-5430
Serie
International Conference on Acoustics Speech and Signal Processing ICASSP, ISSN 1520-6149
Nyckelord [en]
Kernel regression, graph signal processing, Sparse noise, graph-Laplacian, iteratively reweighted least squares
Nationell ämneskategori
Elektroteknik och elektronik
Identifikatorer
URN: urn:nbn:se:kth:diva-261058DOI: 10.1109/ICASSP.2019.8682979ISI: 000482554005132Scopus ID: 2-s2.0-85068972923ISBN: 978-1-4799-8131-1 (tryckt)OAI: oai:DiVA.org:kth-261058DiVA, id: diva2:1356650
Konferens
44th IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), MAY 12-17, 2019, Brighton, ENGLAND
Anmärkning

QC 20191002

Tillgänglig från: 2019-10-02 Skapad: 2019-10-02 Senast uppdaterad: 2019-10-02Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextScopus

Personposter BETA

Venkitaraman, ArunChatterjee, Saikat

Sök vidare i DiVA

Av författaren/redaktören
Venkitaraman, ArunChatterjee, Saikat
Av organisationen
Teknisk informationsvetenskap
Elektroteknik och elektronik

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
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