ICA_独立成分分析 - 线报百科mbji.cn

ICA

独立成分分析

在信号处理中，独立成分分析（ICA）是一种用于将多元信号分离为加性子分量的计算方法。这是通过假设子分量是非高斯信号，并且在统计上彼此独立来完成的。ICA是盲源分离的特例。一个常见的示例应用程序是在嘈杂的房间中聆听一个人的语音的“ 鸡尾酒会问题 ”。

基本介绍

X=AS

U=WX=WAS

过程

(1)对输入数据进行中心化和白化预处理

X*=X-u

经过白化变换后的样本数据为

Z=Wz X*

(2)从白化样本中求解出解混矩阵W

通过优化目标函数的方法得到W

(3)得到独立的基向量U

U=WX

应用：表情分类

得到基向量U后，任何一个样本可用U的线性组合来表示。

线性组合的系数即Xi向U上的投影系数：

Ei=UXi'

训练样本和测试样本可分别得到Ei和Etest。

然后选择合适的分类器，就可以进行分类。

fastica简介

function [Out1, Out2, Out3] = fastica(mixedsig, varargin)

%FASTICA(mixedsig) estimates the independent components from given

% multidimensional signals. Each row of matrix mixedsig is one

% observed signal.

% = FASTICA (mixedsig); the rows of icasig contain the

% estimated independent components.

% = FASTICA (mixedsig); outputs the estimated separating

% matrix W and the corresponding mixing matrix A.

mixedsig为输入向量，icasig为求解的基向量。

A即为混合矩阵，可以验证mixedsig=A×icasig。

W即为解混矩阵，可以验证icasig=W×mixedsig。

参考资料

最新修订时间：2024-01-18 03:30

条目作者

概述

基本介绍

过程

参考资料