Séparation aveugle de sources: décomposition en matrices non-négatives

Les méthodes de NMF permettent la factorisation aveugle d'une matrice non-négative X en le produit X = G.F de deux matrices non-négatives G et F, repectivement la matrice de contributions et de profils. Bien que ces approches sont étudiées avec grand intérêt par la communauté scientifique, elles sou rent bien souvent d'un manque de robustesse vis à vis des données et des conditions initiales et peuvent présenter des solutions multiples. Les travaux de cette étude ont pour objectif d'examiner les dé érents approches de NMF, ainsi d'introduire le contrainte de parcimonie afin d'éviter les minima locaux. On peut informer la NMF par introduction des contraintes recherchées sur la matrice F (resp G) tel que la somme à 1 de chacune de ses lignes (resp ses colonnes). Des applications sur des images ont permis de tester l'intérêt de dé érents algorithmes au niveau de précision et rapidité.

Autorentext

Enseignant-chercheur à L'École Nationale des Sciences Appliquées de Tétouan, de l'université Abdelmalek Essaadi (MAROC). Chef de département de Télécommunications, coordonnateur de filières Master "Apprentissage Automatique et Traitement du Signal" et "de cycle ingénieur "Génie des Systèmes de Télécommunications et Réseaux".

Klappentext

Les méthodes de NMF permettent la factorisation aveugle d'une matrice non-négative X en le produit X = G.F de deux matrices non-négatives G et F, repectivement la matrice de contributions et de pro ls. Bien que ces approches sont étudiées avec grand intérêt par la communauté scienti que, elles sou rent bien souvent d'un manque de robustesse vis à vis des données et des conditions initiales et peuvent présenter des solutions multiples. Les travaux de cette étude ont pour objectif d'examiner les dé érents approches de NMF, ainsi d'introduire le contrainte de parcimonie än d'éviter les minima locaux. On peut informer la NMF par introduction des contraintes recherchées sur la matrice F (resp G) tel que la somme à 1 de chacune de ses lignes (resp ses colonnes). Des applications sur des images ont permis de tester l'intérêt de dé érents algorithmes au niveau de précision et rapidité.