ICA(独立成分分析)
来源:互联网 发布:黑米抢购软件怎么样 编辑:程序博客网 时间:2024/04/28 10:24
独立成分分析(ICA,Independent Component Correlation Algorithm)简介
X=AS
X为n维观测信号矢量,S为独立的m(m<=n)维未知源信号矢量,矩阵A被称为混合矩阵。
ICA的目的就是寻找解混矩阵W(A的逆矩阵),然后对X进行线性变换,得到输出向量U。
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。最简单的即为最近邻分类器(NNC):用距离参数表示训练集模板与测试样本的差异,认为测试样本与满足最小距离的训练样本属于同一种表情。
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.
% [icasig] = FASTICA (mixedsig); the rows of icasig contain the
% estimated independent components.
% [icasig, A, W] = 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。
关于FastICA的matlab工具箱及参考文献,已共享到:
http://cid-67c61986d0963581.skydrive.live.com/self.aspx/.Public/FastICA25.rar
- ICA(独立成分分析)
- ICA 独立成分分析
- 独立成分分析(ICA)
- ICA独立成分分析
- 独立成分分析ICA
- ica 独立成分分析
- ICA独立成分分析
- ICA:独立成分分析
- 独立成分分析 ( ICA )
- 独立成分分析算法(ICA)
- 独立成分分析简介(ICA)
- 独立成分分析ICA (Independent Component Analysis)
- 独立成分分析ICA系列1:意义
- 独立成分分析(Independent Component Analysis, ICA)
- 【模式识别】独立成分分析 ICA 中的几种方法
- 尾酒宴会问题---ICA独立成分分析[原创]
- ICA--独立成分分析(Independent Component Analysis)
- ICA独立成分分析—FastICA基于负熵最大
- 矩形滤波
- iPad UIPopoverController弹出窗口的位置和坐标——再探
- 脚本生成程序Part1
- 使用字符串指针变量与字符数组的区别
- 脚本生成程序Part2
- ICA(独立成分分析)
- 归并排序(1)MergeSort顺序实现之非递归预分配内存
- hadoop学习笔记(3) 初识Hadoop
- 脚本生成程序Part3
- gridview删除添加确认对话框以及模板列操作
- 脚本生成程序Part4
- Effective C++ 读书笔记 Item 46
- BroadcastReceiver广播事件处理之自定义
- 脚本生成程序Part5