Global ETD Search

1	Κυματίδια και εφαρμογές τους Σιαφαρίκας, Μιχάλης Β. 01 September 2010 (has links) - / - 515.243 3 Wavelets (Mathematics)
2	Το σχήμα ανόρθωσης για διακριτούς μετασχηματισμούς κυματιδίων μέσω πινάκων πολυωνύμων Laurent Ανδρεοπούλου, Ευφροσύνη 10 June 2009 (has links) Στόχος της παρούσας διπλωματικής εργασίας είναι η μελέτη του σχήματος ανόρθωσης (lifting) που πρότεινε ο Sweldens για την αναπαράσταση διακριτών μετασχηματισμών κυματιδίων και ειδικότερα η παρουσίαση του μαθηματικού υπόβαθρου της μεθόδου που χρησιμοποιεί γινόμενα πινάκων με συντελεστές πολυώνυμα Laurent. Ο μετασχηματισμός κυματιδίου προσφέρει μια διαφορετική προσέγγιση στο πρόβλημα της αποδόμησης ενός διακριτού σήματος στο επίπεδο χρόνου-συχνότητας, καθώς είναι βασισμένος στην πολυεπίπεδη τεχνική πολλαπλής ανάλυσης σήματος, γι’ αυτό και αποτελεί ένα ιδιαίτερα εύχρηστο και εύκολα προσαρμόσιμο εργαλείο σε πολλές εφαρμογές. Παρουσιάζουμε ένα παράδειγμα ενός διακριτού σήματος στο οποίο εφαρμόζουμε τεχνικές πρόβλεψης και διόρθωσης των συστατικών του, κάνοντας μια πολυεπίπεδη ανάλυση που ονομάζεται ανάλυση πολλαπλής ευκρίνειας. Στα διάφορα στάδια αυτής της ανάλυσης ακολουθείται η μέθοδος ανόρθωσης (lifting) που αποτελείται από μια σειρά βημάτων πρόβλεψης και διόρθωσης των συστατικών του διακριτού σήματος. Με τη χρήση αυτής της μεθόδου μπορούμε να αναλύσουμε όλους τους μετασχηματισμούς κυματιδίων τους οποίους χρησιμοποιούμε για να αποδομήσουμε ένα διακριτό σήμα στα συστατικά του. Για την εφαρμογή του σχήματος ανόρθωσης χωρίζουμε το διακριτό σήμα στα άρτια και περιττά μέρη του και στη συνέχεια εφαρμόζουμε διαδοχικούς μετασχηματισμούς πρόβλεψης και διόρθωσης για τα δύο αυτά μέρη του σήματος. Στη συνέχεια αναπαριστούμε την παραπάνω ανάλυση μέσω του z-μετασχηματισμού με χρήση πολυωνύμων Laurent. Ο μετασχηματισμός ανάλυσης κυματιδίου, στον z-μετασχηματισμό, μετατρέπεται σε πολλαπλασιασμό πινάκων με στοιχεία πολυώνυμα Laurent. Η εφαρμογή των βημάτων της μεθόδου ανόρθωσης, ουσιαστικά, οδηγεί σε μια σταδιακή απλοποίηση των παραπάνω πολυωνύμων, η οποία γίνεται με τη χρήση του αλγορίθμου διαίρεσης πολυωνύμων. Παρουσιάζουμε και αναλύουμε τα θεωρήματα στα οποία στηρίζεται η μέθοδος και δίνουμε συγκεκριμένα παραδείγματα. / - Κυματίδια Σχήμα ανόρθωσης Πολυώνυμα Laurent 515.243 3 Wavelets Lifting scheme Laurent polynomials
3	Αυτόματη αναγνώριση των ειδών της μουσικής με χρήση μεθόδων μάθησης / Automatic music genre recognition using learning methods Μακρής, Αθανάσιος 17 May 2007 (has links) Στη διπλωματική αυτή παρουσιάζεται μια μεθοδολογία για την ταξινόμηση των μουσικών κομματιών και τραγουδιών ανάλογα με το μουσικό είδος που ανήκουν. Συγκεκριμένα χρησιμοποιούνται τα ίδια τα μουσικά κομμάτια ως πηγή πληροφοριών, και μέσω γνωστών μεθόδων επεξεργασίας ακουστικών σημάτων (που βασίζονται στο μετασχηματισμό Fourier) εξάγονται κατάλληλα δεδομένα. Στη συνέχεια με χρήση γνωστών μεθόδων μάθησης με επίβλεψη (δέντρα αποφάσεων, σύνολα κανόνων, μπεϊσιανή μάθηση, τεχνητά νευρωνικά δίκτυα και μηχανές διανυσμάτων υποστήριξης), γίνεται η αντίστοιχη μουσική ταξινόμηση. Στο τέλος προτείνεται μια συνδυαστική μέθοδος ταξινόμησης (συνδυασμός αλγορίθμων μάθησης) για την βελτίωση των αποτελεσμάτων όπου θα βγουν και τα τελικά συμπεράσματα. / The present work describes a methodology for the automatic recognition of music genres, based exclusively on the audio content of the signal. We use proposed techniques to extract attributes (based on Fourier Transform). Then with familiar supervised classification techniques we classify seven different music genres (rock, metal, hard rock, classical music, jazz, beat, rempetika -rempetika is a Greek music genre). At the end we propose a combined technique to improve our results. This technique is based on stacking generalization. We propose an improvement of stacking generalization. Μέθοδοι μάθησης 515.243 3 Music genres recognition Learning methods
4	Contribution à la théorie des ondelettes : application à la turbulence des plasmas de bord de Tokamak et à la mesure dimensionnelle de cibles / Contribution to the wavelet theory : Application to edge plasma turbulence in tokamaks and to dimensional measurement of targets Scipioni, Angel 19 November 2010 (has links) La nécessaire représentation en échelle du monde nous amène à expliquer pourquoi la théorie des ondelettes en constitue le formalisme le mieux adapté. Ses performances sont comparées à d'autres outils : la méthode des étendues normalisées (R/S) et la méthode par décomposition empirique modale (EMD).La grande diversité des bases analysantes de la théorie des ondelettes nous conduit à proposer une approche à caractère morphologique de l'analyse. L'exposé est organisé en trois parties.Le premier chapitre est dédié aux éléments constitutifs de la théorie des ondelettes. Un lien surprenant est établi entre la notion de récurrence et l'analyse en échelle (polynômes de Daubechies) via le triangle de Pascal. Une expression analytique générale des coefficients des filtres de Daubechies à partir des racines des polynômes est ensuite proposée.Le deuxième chapitre constitue le premier domaine d'application. Il concerne les plasmas de bord des réacteurs de fusion de type tokamak. Nous exposons comment, pour la première fois sur des signaux expérimentaux, le coefficient de Hurst a pu être mesuré à partir d'un estimateur des moindres carrés à ondelettes. Nous détaillons ensuite, à partir de processus de type mouvement brownien fractionnaire (fBm), la manière dont nous avons établi un modèle (de synthèse) original reproduisant parfaitement la statistique mixte fBm et fGn qui caractérise un plasma de bord. Enfin, nous explicitons les raisons nous ayant amené à constater l'absence de lien existant entre des valeurs élevées du coefficient d'Hurst et de supposées longues corrélations.Le troisième chapitre est relatif au second domaine d'application. Il a été l'occasion de mettre en évidence comment le bien-fondé d'une approche morphologique couplée à une analyse en échelle nous ont permis d'extraire l'information relative à la taille, dans un écho rétrodiffusé d'une cible immergée et insonifiée par une onde ultrasonore / The necessary scale-based representation of the world leads us to explain why the wavelet theory is the best suited formalism. Its performances are compared to other tools: R/S analysis and empirical modal decomposition method (EMD). The great diversity of analyzing bases of wavelet theory leads us to propose a morphological approach of the analysis. The study is organized into three parts. The first chapter is dedicated to the constituent elements of wavelet theory. Then we will show the surprising link existing between recurrence concept and scale analysis (Daubechies polynomials) by using Pascal's triangle. A general analytical expression of Daubechies' filter coefficients is then proposed from the polynomial roots. The second chapter is the first application domain. It involves edge plasmas of tokamak fusion reactors. We will describe how, for the first time on experimental signals, the Hurst coefficient has been measured by a wavelet-based estimator. We will detail from fbm-like processes (fractional Brownian motion), how we have established an original model perfectly reproducing fBm and fGn joint statistics that characterizes magnetized plasmas. Finally, we will point out the reasons that show the lack of link between high values of the Hurst coefficient and possible long correlations. The third chapter is dedicated to the second application domain which is relative to the backscattered echo analysis of an immersed target insonified by an ultrasonic plane wave. We will explain how a morphological approach associated to a scale analysis can extract the diameter information Ondelettes Principe d'incertitude de Heisenberg Pavage temps-Fréquence Moments Régularité Support compact Fonction d'échelle Fonction d'ondelette Approximations Détails Résolution Filtre QMF Coefficients de Daubechies Analyse Reconstruction Précurseur Algorithme de Mallat Convolution Décimation Symétrisation Orthogonalisation Gram Schmidt Filtres frontières Complexité Décomposition modale empirique Méthode R/S Analyse des fluctuations redressées Fractal Auto-Similarité Plasma Bruit Gaussien fractionnaire Mouvement Brownien fractionnaire Ultrason Wavelets Heisenberg uncertainty principle Time-Frequency tiles Vanishing moments Regularity Compact support Scaling function Wavelet function Approximations Details Resolution QMF filters Daubechies coefficients Analysis Reconstruction Precursor Mallat algorithm Convolution Decimation Mirroring Orthogonalization Gram Schmidt Boundary filters Complexity Empirical Modal Decomposition R/S method Detrended fluctuations Analysis Fractal Self-Similarity Plasma Fractional Gaussian noise Fractional Brownian motion Ultrasound 530.44 515.243 3

1

Page generated in 0.0227 seconds