Analiza glavnih komponent večdimenzionalnih podatkovVitanova, Biljana (Avtor) Zalar, Aljaž (Mentor) Analiza glavnih komponenttenzorska algebraaproksimacija nizkega rangarekonstrukcija slikAnaliza glavnih komponent (PCA) je metoda, ki projecira podatke na ortogonalne podprostore. Težave PCA nastopijo ob prisotnosti osamelcev. Metoda robustne analize glavnih komponent (RPCA) odpravlja te težave z učinkovitim obravnavanjem osamelcev na matrikah. Z uporabo operacij, definiranih s tenzorsko algebro, so te metode razširjene na tenzorske pristope za obravnavo bolj kompleksnih, večdimenzionalnih podatkov. Aproksimacija tenzorjev s tenzorji nizkega ranga naredi te metode še posebej uporabne za odstranjevanje šuma iz signalov. Glavni cilj te diplomske naloge je preučiti dva algoritma, ki temeljita na tenzorskih pristopih, s poudarkom na razlagi matematičnega ozadja, izbiri parametrov in analizi učinkovitosti za odstranjevanje šuma. Zaradi možnosti vizualnega vrednotenja smo te metode testirali na zašumljenih slikah.20242024-09-09 15:20:28Diplomsko delo/naloga161315VisID: 37387COBISS_ID: 211557635sl