...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>NDT & E international >Matrix factorization methods: Application to thermal NDT/E
【24h】

Matrix factorization methods: Application to thermal NDT/E

机译：矩阵分解方法：应用于热NDT / E

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A typical problem in thermal nondestructive testing/evaluation (TNDT/E) is that of unsupervised feature extraction from the experimental data. Matrix factorization methods (MFMs) are mathematical techniques well suited for this task. In this paper we present the application of three MFMs: principal component analysis (PCA), non-negative matrix factorization (NMF), and archetypal analysis (AA) To better understand the peculiarities of each method the results are first compared on simulated data. It will be shown that the shape of the data set strongly affects the performance. A good understanding of the actual shape of the thermal NDT data is required to properly choose the most suitable MFM, as it is shown in the application to experimental data.
机译：热非破坏性测试/评估（TNDT / E）中的一个典型问题是从实验数据中无监督地提取特征。矩阵分解方法（MFM）是非常适合此任务的数学技术。在本文中，我们介绍了三种MFM的应用：主成分分析（PCA），非负矩阵分解（NMF）和原型分析（AA）。为了更好地了解每种方法的特殊性，首先将结果与模拟数据进行比较。将显示数据集的形状严重影响性能。要正确选择最合适的MFM，需要对热NDT数据的实际形状有一个很好的了解，如在对实验数据的应用中所示。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号