[논문]Semi-supervised Bayesian adaptive multiresolution shrinkage for wavelet-based denoising

Kong, Taewoon; Lee, Kichun

doi:10.1080/03610918.2015.1118504

Semi-supervised Bayesian adaptive multiresolution shrinkage for wavelet-based denoising

Communications in statistics. Simulation and computation, v.46 no.6, 2017년, pp.4399 - 4418

Kong, Taewoon (Department of Industrial Engineering, Hanyang University, Seoul, Korea) , Lee, Kichun (Department of Industrial Engineering, Hanyang University, Seoul, Korea)

Abstract ▼ AI-Helper

We can use wavelet shrinkage to estimate a possibly multivariate regression function g under the general regression setup, y = g + epsilon. We propose an enhanced wavelet-based denoising methodology based on Bayesian adaptive multiresolution shrinkage, an effective Bayesian shrinkage rule in addition to the semi-supervised learning mechanism. The Bayesian shrinkage rule is advanced by utilizing the semi-supervised learning method in which the neighboring structure of a wavelet coefficient is adopted and an appropriate decision function is derived. According to decision function, wavelet coefficients follow one of two prespecified Bayesian rules obtained using varying related parameters. The decision of a wavelet coefficient depends not only on its magnitude, but also on the neighboring structure on which the coefficient is located. We discuss the theoretical properties of the suggested method and provide recommended parameter settings. We show that the proposed method is often superior to several existing wavelet denoising methods through extensive experimentation.

참고문헌 (37)

2002 Abramovich F. 435 39
2001 Antoniadis A. 1 6
2008 Autin F. 412 2
2011 Autin F. 829 5
2003 Belkin M. 1373 15
2004 Belkin M. 209 56
1995 Bruce A. 159 32
1995 Buckheit J. 55
1999 Cai T. 898 27
2002 Cai T. 1241 12
2001 Cai T. 127 63
1997 Chipman H. 1413 92
2008 Cutillo L. 3758 138
2004 De Canditiis D. 383 13
1994 Donoho D. 425 81
1995 Donoho D. 1200 90
1995 Donoho D. 301 57
2001 Figueiredo M. 1322 10
2001 Fodor I. K. 151 12
2007 Fryzlewicz P. 1457 17
1999 Hall P. 33 9
2001 Katul G.
2006 Lafon S. 1784 28
2012 Lee K. 1681 56
2006 Mahadevan S. 843 18
1989 Mallat S. 674 11
1999 Mallat S. 2
1996 Nason G. 463 58
2013 Remenyi N. 404 57
2002 Sendur L. 2744 50
1999 Vidakovic B.
1999 Vidakovic B. 183 9
2001 Vidakovic B. 234 63
2006 Wang X. 705 93
2001 Woo C. 270 11
1997 Yang R. 97
2005 Zhu X.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

Semi-supervised Bayesian adaptive multiresolution shrinkage for wavelet-based denoising

Abstract ▼ AI-Helper

참고문헌 (37)

이 논문을 인용한 문헌

관련 콘텐츠

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트