Destek vektör makinalarıyla gözü kapalı ayrıştırma

Gözü kapalı kaynak ayrımı, kaynak sinyallerinin karışım sinyallerinden hiçbir kaynak sinyal ve karıştırıcı ortam bilgisi olmadan yeniden elde edilmesi olarak tanımlanabilir. Kaynak karıştırıcı ortam tipi doğrusal veya doğrusal olmayabilir, bu bilgi gözü kapalı ayrımı probleminin tipini belirler. Bağımsız bileşen analizi çok değişkenli bir veri için sinyal bileşenleri arasında istatiksel bağımlılığı en az hale getirerek doğrusal gözü kapalı kaynak ayrıştırma problemini çözer, fakat doğrusal olmayan durumu çözemez. Zamansal tahmin edilebilirlik bilgisinin ölçümü üzerine kurulmuş olan zamansal tahmin edilebilirlik metodu doğrusal gözü kapalı kaynak ayrıştırma problemlerini çözebilir fakat doğrusal olmayan problemi çözemez. Çekirdek tabanlı zamansal tahmin edilebilirlik metodu destek vektör makinalarındaki (DVM) çekirdek metotlarının zamansal tahmin edilebilirlik metoduna uygulanması şeklinde oluşturulmuştur. Bu tezde, doğrusal ve doğrusal olmayan gözü kapalı kaynak ayrıştırılması uygulamalarının simülasyonları, doğrusal ve doğrusal olmayan zamansal tahmin edilebilirlik metotları kullanılarak Matlab nümerik analiz yazılım paketinde yapılmıştır. Bu çalışmada ses ayrıştırmasına ek olarak algoritmalar görüntü ayrıştırması içinde genişletildi. Algoritmaların istatiksel performans analizi farklı çekirdek dereceleri, tipleri ve görüntü hücre büyüklüğü ve doğrusal olmayan karışım fonksiyonları için yapılmıştır.