基于指數(shù)冪族和高斯混合密度模型的ICA算法.pdf_第1頁
已閱讀1頁，還剩45頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、獨立成分分析（Independent Component Analysis，ICA）是近年來發(fā)展起來的一種非常有效的盲信號處理技術(shù)。它在很多研究領(lǐng)域發(fā)揮著重要作用，例如，信號處理、神經(jīng)網(wǎng)絡(luò)等領(lǐng)域，目前已成為這些領(lǐng)域的研究熱點，受到越來越廣泛的關(guān)注。在過去十幾年里，有關(guān)理論和算法研究得到了較快的發(fā)展。本文簡要介紹了ICA的發(fā)展歷程，詳細地論述了ICA最優(yōu)化模型求解時的目標函數(shù)與算法以及性能分析等。然后在極大似然估計的框架下，基于兩類參數(shù)模

2、型—指數(shù)冪族模型和高斯（Gaussian）混合密度模型提出了一種自適應(yīng)選取評分函數(shù)的算法，主要工作如下： 1.介紹了標準ICA模型，并且從模型的可辨識性、可分離性和唯一性幾個方面對ICA的可解性進行了系統(tǒng)地整理與分析。然后從信息論和統(tǒng)計學(xué)的角度出發(fā)，介紹了估計原理和估計方法，主要包括：極大似然估計、極小化互信息和極大化非高斯性。最后討論了ICA的自然梯度算法及不動點算法的穩(wěn)定性。 2.提出了一種新的自適應(yīng)選取評分函數(shù)的獨

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論