基于ICA与MViSOM的孤立点挖掘模型

本文提出了一种基于独立成分分析（ICA）与改进的可视化诱导自组织映射（MViSOM）的孤立点挖掘模型——IMVOM模型,该模型用ICA方法对观测到的多维随机向量进行独立成分分解,得到一个独立成分数据集,然后用改进的MViSOM方法取得数据的可视化。该模型充分结合“人类擅长于模式识别的能力”与“电脑擅长于大量地记忆、快速地计算的能力”的双方优点进行孤立点的挖掘,避免了对高维数据内部结构的复杂探测,从而克服了高维数据集孤立点挖掘过程中的一些困难。实验结果也验证了所提模型的合理性。     

基于ICA与SVM的孤立点挖掘模型

本文提出一种基于独立成分分析（ICA）与支持向量机（SVM）的孤立点挖掘模型ISOM模型,用ICA对观测到的多维随机向量进行独立成分分解,用SVM估计独立成分的密度函数,克服了传统孤立点挖掘方法的一些缺点,为数据挖掘提供了一种有效的方法,并通过实验验证了该模型的合理性与正确性。     

异常声音检测中模型压缩算法研究

深度学习已经在视觉、语音等领域取得了巨大的成功,随着深度学习性能不断的提升,模型的参数也在不断增加.针对如何在保证模型准确度的同时降低模型大小,使其能够部署在物联网设备上的问题,提出了一种异常声音检测模型与模型压缩算法.异常声音检测模型主要包括端点检测、特征提取、卷积检测模型.针对卷积模型较大的问题,提出了一种模型压缩算法,通过计算节点的输入输出权重之和,裁剪对模型影响较小的节点.实验表明,该异常声音检测模型与压缩算法在保持模型准确度的同时,可以一定程度上降低模型的大小.     

基于ICA的DCT域音频数字水印

数字水印技术是通过隐含秘密信息以保护数字产品的版权或证明产品的真实性.     

基于定点ICA算法的人脸识别方法

提出定点ICA算法结合均一化欧氏距离的人脸识别方法。该方法不仅可以提取出独立主成分,而且收敛速度快,克服了PCA算法提取特征不独立和一般ICA算法收敛速度慢的缺点。在特征聚类方法中,均一化欧氏距离的聚类效果优于欧氏距离和马氏距离。在正交在预处理程中,投影特征空间维数的选取根据具体数据库和训练样本集通过试验确定。试验结果表明,该人脸识别方法具有较好的识别能力和鲁棒性。     

基于快速ICA算法的混合图像分离

简要阐述了独立分量分析的基本原理,介绍了一种基于峰度的快速ICA算法,最后给出了一个应用该算法进行混合图形分离实例.     

基于ICA与SOM的不完整数据处理

介绍了数据挖掘中不完整数据的研究现状及ICA与SOM的特点,提出了基于ICA与SOM的不完整数据的处理模型IVS-IDH,研究了数据之间存在相关关系且为非高斯分布时不完整数据的处理方法,在SOM基础上取得了不完整数据集的可视化分析结果,从而克服了Wang S提出的不完整数据处理方法的不足。     

数据挖掘中基于ICA的缺失数据值的估计

本文简单介绍了数据挖掘中缺失数据的研究现状及ICA的特点与发展前景,提出了基于ICA的缺失数据估计模型——ICA-MDH模型。该模型研究了数据之间存在相关关系且为非高斯分布时缺失数据的处理方法,该方法能充分利用已知数据记录中的已知信息,且具有较好的通用性。实验通过对一些不完整经济数据进行了处理。结果表明,本文提出的缺失数据估计方法的精度明显优于平均值法和PCAs法,从而验证了本文所提模型的正确性与合理性。     

基于虚拟通道的ICA的P-VEP提取方法的研究

本文介绍了独立分量分析算法(ICA)的原理、算法及其特点。采用ICA算法进行P-VEP的提取,考虑到仪器实际应用中单通道VEP信号的提取,本文通过引入虚拟通道,构造虚拟多通道,克服了ICA无法直接对单路信号进行独立分量分析的难题,实现P-VEP单通道单次的有效提取。经与目前临床通用的相干平均法比较,只需单通道、单次,在波形整体和P100潜伏期的提取上,效果显著,获得医师欢迎,很有进一步开发潜力。     

基于ICA与ViSOM的不完整数据处理

本文介绍了数据挖掘中不完整数据的研究现状及ICA与ViSOM的特点,提出了基于ICA与ViSOM的不完整数据的处理模型IVIS-IDH,研究了数据之间存在相关关系且为非高斯分布时不完整数据的处理方法,对缺失数据值的估计方法及其估计的残差进行了详细的讨论和分析,并在ViSOM基础上取得了不完整数据集的可视化分析结果,从而克服了S.＆Wang提出的不完整数据处理方法的不足。     

基于Overcomplete ICA的人脸特征提取

人脸特征提取是人脸识别中最重要的一个环节,人脸特征提取的一种主要方法是寻找一系列的基图像,然后再把人脸表示为这一系列基图像的线性叠加。PCA和ICA在寻找基图像的过程中,源图像和基图像的数目都是相同的。本文提出了一种基于Overcomplete ICA的人脸特征提取方法,所得到的基图像数目要多于源图像数目。最后采用最小距离分离器进行人脸识别的实验,并与PCA和ICA的识别效果进行比较。     

基于最短路径和自然梯度的过完备ICA算法

独立成分分析(ICA)是一种在给出的随机向量中找出统计独立的数据的统计方法，而过完备独立成分分析则是ICA问题中的一类特殊的情形，它要的源信号的数目比观测信号的数目要多。该文提出了一种基于最短路径算法和自然梯度的解决过完备独立成分分析的新算法Turbo-overcomplete。该算法采用了最短路径方法来推断源信号和采用自然梯度的方法来学习基向量，并采用Turbo-overcomplete算法来进行语音信号分离的实验，并把实验结果与现在的一些过完备独立成份分析算法进行了比较。     

过完备ICA 算法在语音信号提取中的应用

在语音信号处理中常用麦克风采集语音,然后用算法进行提取和分离,目前常用的有独立分量分析（Independent component Analysis,ICA）算法。但是当麦克风个数少于说话人的个数时,即欠定情形,此时语音信号的提取需采用过完备ICA算法。提出了一种基于过完备ICA算法的两步算法：估计混合矩阵的几何算法和估计源矩阵的最短路径法。该算法能在欠定情形下对语音信号的提取有很好的作用,仿真实验验证了这一结果。     

基于离散小波变换的Overcomplete ICA并行结构

本文利用离散小波变换提出了一种过完备独立成分分析（Overcomplete ICA）的禀性结构,它是一个由两个子Overcomplete ICA过程组成的混合系统。其中一个过程将高频的小渡部分作为输入,另一个过程将低频的部分作为输入。这两个过程的输出结果最后被合并为最终的结果。对比现有的Overcomplete ICA算法,本文提出的方法利用了全部的观测信息,而两个子过程的有效输入长度仅为原来的一半。因此,本文提出了一种处理Overcomplete ICA问题的新途径。文中的实验数据显示,通过此方法可以成功地分离混合的声音数据。     

基于ICA模型的主动隐写分析

提出一种基于独立成分分析(ICA)模型的主动隐写分析方案。该方案假设秘密信息是独立同分布序列且统计独立于载体图像,将隐写分析过程视为ICA模型的求解问题。借助于最大后验概率估计器,该方案仅使用一幅隐写图像即能提取出秘密信息,克服了Chandramouli所提方案的局限性。仿真实验结果表明,该方案能提取大约80%的秘密信息,且性能随嵌入长度的增加而提高。     

基于过完备字典的体域网压缩感知心电重构

针对体域网远程监护中心对重构的心电信号（Electrocardiogram,ECG）精度要求高和体域网（Body sensor network,BSN）低功耗问题,提出基于过完备字典的体域网压缩感知心电重构方法. 该方法利用压缩感知理论,在传感节点端利用随机二进制矩阵对心电信号进行观测,观测值被传送至远程监护中心后,再利用基于K-SVD算法训练得到的过完备字典和块稀疏贝叶斯学习重构算法对心电信号进行重构. 仿真结果表明,当心电信号压缩率在70%～95%时,基于K-SVD过完备字典比基于离散余弦变换基的压缩感知心电重构信噪比高出5～22dB. 该方法具有信号重构精度高、功耗低和易于硬件实现的优点.     

一种改进的基于离散余弦变换的声音压缩算法

摘要：声音压缩传输是异常声音检测系统中的重要模块。针对现有算法不能满足系统实时性要求的缺陷,提出一种采用角度误差限定分段拟合和离散余弦变换(DCT)的声音压缩算法。该算法先设置合理的角度误差,从时域波形的第一个采样点开始按照几何夹角和限定的角度误差逐点判断是否可以压缩,分段模拟信号波形,然后采用传统的基于离散余弦变换算法,选取合适的阈值再次进行压缩。实验结果表明,与传统的声音压缩算法相比,提出的算法在压缩效果上有较明显的改善。     

ICA和子采样在DWT域彩色图像水印中的应用

为了实现对彩色图像等多媒体信息的版权保护,采用独立分量分析(ICA)和图像子采样技术,提出了一种基于离散小波变换(DWT)的彩色图像水印算法.该算法对原图像YIQ色彩空间的Y分量进行子采样,将置乱后的二值水印图像,嵌入到选定子图像的二级小波逼近子图中,嵌入水印的子图像位置由随机数确定,检测时利用快速ICA算法来提取水印.计算机仿真结果和性能分析表明,算法具有较好的隐蔽性和鲁棒性.