Generalizing Graph Signal Processing: High Dimensional Spaces, Models and Structures
In der modernen Datenanalyse erfordern massive Messungen aus einem Netzwerk neuartige Signalverarbeitungstechniken, die an die Netzwerktopologie angepasst, dezentral implementiert und flexibel genug für verschiedene Anwendungen sein sollen. Die Theorien und Techniken der Graphsignalverarbeitung (GSP) sind auf diese Ziele ausgerichtet.
Die GSP hat in den letzten Jahren eine rasante Entwicklung erfahren. Seit ihrer Einführung vor etwa zehn Jahren haben wir zahlreiche neue Ideen und praktische Anwendungen in diesem Bereich gesehen. In dieser Monographie wird ein Überblick über die jüngsten Fortschritte bei der Verallgemeinerung von GSP gegeben, wobei der Schwerpunkt auf der Erweiterung auf hochdimensionale Räume, Modelle und Strukturen liegt. Neben neuen Rahmenwerken, die zur Bewältigung solcher Probleme vorgeschlagen werden, werden viele neue mathematische Werkzeuge vorgestellt.
Im ersten Teil der Monographie wird die traditionelle APS besprochen, die Herausforderungen, mit denen sie konfrontiert ist, werden hervorgehoben, und die Bemühungen zur Überwindung dieser Herausforderungen werden begründet. Diese Bemühungen werden dann zum Thema des restlichen Teils der Veröffentlichung. Dazu gehören die Verallgemeinerung von GSP auf hochdimensionale Vertex-Signalräume, die Theorie der zufälligen Verschiebungsoperatoren und die statistischen Signalmodelle mit breitem Sinn (WSS) sowie die Behandlung der hohen Dimensionalität in Graphenstrukturen und verallgemeinerten graphenähnlichen Strukturen. Die Monographie schließt mit einem Ausblick auf mögliche zukünftige Entwicklungen.
| ISBN: | 9781638281504 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
