ICA-EJB構件在數(shù)據挖掘框架中的應用與研究.pdf

1、近年來，伴隨盲信號分離問題產生的獨立分量分析(Independent ComponentAnalysis，簡稱為ICA)理論己逐漸成為統(tǒng)計信號處理中的一個研究熱點，并正迅速成為多維數(shù)據分析的一個有力工具。獨立分量分析是通過分析多維觀測數(shù)據之間的高階統(tǒng)計相關性，找出相互獨立的隱含信息成份，從而可以去除分量間的高階冗余以及提取獨立的信源。獨立分量分析與其他方法相比較(如PCA)，突出的特點是：它以分量間相互獨立為分離準則，在源數(shù)據和混合方式

2、均未知的前提下，盡可能無失真的從觀測數(shù)據中分離出隱含的獨立信源。這一特點使得獨立分量分析方法在圖像特征提取，模式識別和數(shù)據挖掘等領域中有著廣泛的應用前景。 數(shù)據挖掘是近年來計算機領域的研究熱點。它是一個非平凡的模式辨識過程，它從大量的數(shù)據中尋求正確的、新穎的、具有內在價值的、和最終可解釋的模式。海量科學數(shù)據不但數(shù)量巨大，而且特征復雜、維數(shù)高，向傳統(tǒng)的數(shù)據挖掘預處理技術提出了挑戰(zhàn)。復雜數(shù)據的出現(xiàn)迫切要求新的特征處理技術，而數(shù)據挖掘

3、書中卻常將降維技術忽略。 在介紹了智能計算的概念及發(fā)展現(xiàn)狀之后，簡介了ICA/PCA算法；對軟件構件、EJB和數(shù)據挖掘進行了概述，設計了數(shù)據挖掘系統(tǒng)框架，并設計了兩個EJB容器，這兩個容器基于數(shù)據挖掘系統(tǒng)框架的數(shù)據預處理和知識發(fā)現(xiàn)；另外，詳述了基于ICA的多種算法，并將這些算法進行了對比，對牛頓迭代法進行兩種修正，提出了一種改進FastICA算法，并設計出一套適合進行數(shù)據預處理的ICA算法，該算法為基于負熵的FastICA方法；