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。     

基于独立成分分析及其扩展模型的工业过程监测方法综述

独立成分分析(independent component analysis,ICA)是一种多变量统计分析方法,常用于非高斯过程监测,它能够有效利用信号的高阶统计信息(三阶以上)提取相互独立的独立成分,在工业过程监测中得到了广泛的应用,是当前国际过程监测领域的研究热点.鉴于此,介绍经典ICA模型、改进ICA模型及其在工业...     

一种基于内积运算的ICA新算法

独立成分分析(ICA)是近几年发展起来用于解决盲源信号分离(Blind Source Separation)的一种基于信号高阶统计特性的分析方法。本文提出了一种基于向量间内积运算的解决独立成分分析问题的新算法,称之为I-ICA。I-ICA将混合数据在新的坐标轴上进行聚类,最后推断出原混合矩阵A′,再通过A′~(-1)和已有的观测数据计算得到源信号。     

有限制的MFA-ICA的算法及其在图像特征提取中的应用

统的独立成分分析(IndependentComponentAnalysis,ICA)是一种无噪声模型,而实际应用中噪声是存在的。根据多元统计中的因子分析模型,改变其假设条件,从而得到一种有噪声ICA模型,对于模型参数,引入平均场近似(MeanFieldApproximation,MFA)原理来求解。针对图像特征提取,通过增加对模型参数的一些限制,使其能得到更为独立的图像特征,为图像识别提供更可靠的特征信息,从而大大提高识别率。通过仿真模拟图形以及ORL人脸数据进行实验,将传统的独立成分分析算法、无限制的MFA ICA算法以及增加限制条件的MFA ICA算法进行比较,从仿真模拟图形实验结果看,限制的MFA ICA算法能分离出更独立的特征,同时利用限制的MFA ICA算法识别效果明显优于传统ICA算法和无限制MFA ICA算法。     

应用图像融合的fMRI数据处理方法的研究

提出了一种新的fMRI数据处理方法,融合了统计参数图（SPM）、独立成分分析(ICA)所提取的特征信息,实现脑功能激活区的准确提取。首先通过时段设计实验获取了反应不同握力条件下手运动相关皮层活动的fMRI数据,并且进行相应的预处理;然后采用SPM和ICA方法分别提取脑功能信息;研究了一种基于主成分分析的图像融合算法。最后,应用图像融合算法对SPM和ICA方法分别提取的脑功能信息进行融合。结果表明,该方法弥补了SPM和ICA两种方式的不足,是一种进行功能区定位更加有效的方法。     

基于fMRI瞬时功率的独立成分分析

独立成分分析(independent component analysis,ICA)采用一种统计隐变量模型,假设信号是由各信源线性叠加构成.为了解决功能磁共振数据(functional magnetic resonance imaging,fMRI)中由于信源非线性叠加造成的ICA检测误差,提出了基于瞬时功率的ICA方法.首先,由电流能量形式将fMRI数据推广为fMRI能量信号;然后,由血氧水平依赖(blood oxygenation level dependent,BOLD)信号与T2*信号的关系,给出了两种反映BOLD能量变化的瞬时功率fMRI信号;最后,采用空间ICA分析fMRI瞬时功率信号,得到与各脑部活跃区域能量相关的独立成分.从理论和仿真试验两个方面阐明了新方法的合理性和优越性,同时应用于实际癫痫fMRI数据,经与传统ICA方法比较,该方法能够在静息态下鲁棒地检测脑部能量异常区域.     

混合PCA/ICA与JPEG2000结合的高光谱图像压缩

主成分分析(PCA)常常结合JPEG2000压缩标准用来对高光谱图像进行压缩。然而,由PCA得到的主成分仅利用了二阶统计信息。对于高光谱图像应用来说,只采用二阶统计信息是远远不够的,如异常像素的处理常常需要用到更高阶的统计信息。研究了一种混合PCA/ICA与JPEG2000相结合的高光谱图像压缩算法。首先,对原始高光谱图像进行PCA变换,提取出前m个主成分对应的特征向量矩阵WPCA;然后,对其余的特征向量进行ICA变换,得到n个特征向量矩阵WICA;最后,将得到的混合投影矩阵、原始高光谱图像及其均值向量共同嵌入JPEG2000比特流,从而完成对高光谱图像的压缩。在不同码率的情况下,通过空间相关系数(ρ)、信噪比(SNR)、光谱角填图(SAM)等技术指标对混合PCA/ICA+JPEG2000算法的压缩性能进行评估。实验结果表明,混合PCA/ICA+JPEG2000算法不但能有效去除高光谱图像的谱间相关性,而且能够有效提高光谱保真度,保护异常像素信息。     

独立成分分析算法及其在脑电图中的应用

研究脑电图成像的数据处理问题时,独立成分分析(ICA)是一种新的信号处理统计方法,被广泛用于各个领域.脑电图就是,利用独立成分分析从混合信号中还原出源信号,通过目标函数,如极大似然估计,信息最大化和互信息最小化等,对源信号的概率密度函数(PDF)进行估计.在基于互信息最小化算法的基础上,提出一种新的独立成分分析算法,算法中的核心参数是由信号本身来确定的,能使所估计的PDF更加准确,从而提高分离的性能.最后,用新的ICA算法来实现脑电图(EEG)信号的盲源分离,结果表明,算法可以快速有效的分离其源信号,且准确性优于Boscolo提出的非参量ICA模型.     

基于PCA和ICA的虹膜识别方法

为了提高虹膜识别的正确率,提出了利用主成分分析(PCA)与独立成分分析(ICA)相结合的方法,来对虹膜进行识别的方法。用该方法进行虹膜识别时,首先对预处理后的虹膜图像,利用PCA算法进行去二阶相关和降维处理;然后再进行ICA训练。ICA训练采用了以下两种方法:方法1,将参与ICA训练的图像看作是随机变量,而将图像中的像素值看作是随机实验结果,ICA训练后即可得到相互独立的ICA虹膜基图像;方法2,将图像中的像素值看作是随机变量,而将图像看作是随机实验结果,ICA训练后即得到相互独立的ICA系数。采用CASIA虹膜数据库进行的试验结果表明,基于PCA和ICA的虹膜识别算法在两种训练方式下的正确识别率分别达到98.89%和98.33%。     

独立成分分析在表情识别中的应用

独立成分分析(ICA)是一种基于信号高阶统计特性的分析方法,本文尝试将这种方法应用于人脸表情的特征提取。首先对预处理后的图像用FastICA算法计算得到解混矩阵以及此训练样本集的影像独立基成分,然后利用影像独立基来构造一个投影空间,最后利用待识别的表情图像在这个空间上作空间影射,所得到得投影系数用以实现分类。为了减少运算量,本文研究了降维的训练样本集的独立成分分析。     

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。     

Learning the higher-order structure of a natural sound

Unsupervised learning algorithms paying attention only to second-order statistics ignore the phase structure (higher-order statistics) of signals, which contains all the informative temporal and spatial coincidences which we think of as 'features'. Here we discuss how an Independent Component Analysis (ICA) algorithm may be used to elucidate the higher-order structure of natural signals, yielding their independent basis functions. This is illustrated with the ICA transform of the sound of a fingernail tapping musically on a tooth. The resulting independent basis functions look like the sounds themselves, having similar temporal envelopes and the same musical pitches. Thus they reflect both the phase and frequency information inherent in the data.     

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。     

基于独立成分分析的高光谱图像有损压缩方法

提出一种结合小波变换和独立成分分析(ICA)的高光谱图像有损压缩方法。采用最大似然估计与最大噪声分离相结合的方法对原始高光谱数据进行维数估计。依据维数估计的结果在光谱方向上采用 ICA,在空间上运用离散小波变换。对于变换后的系数,使用多级树集合分裂算法和算术编码分别进行量化编码和熵编码。在机载可见光/红外成像光谱仪220波段高光谱数据上的实验结果表明,该算法可以在获得较高压缩率的同时,保留高光谱图像的光谱特性。     

Learning overcomplete representations

In an overcomplete basis, the number of basis vectors is greater than the dimensionality of the input, and the representation of an input is not a unique combination of basis vectors. Overcomplete representations have been advocated because they have greater robustness in the presence of noise, can be sparser, and can have greater flexibility in matching structure in the data. Overcomplete codes have also been proposed as a model of some of the response properties of neurons in primary visual cortex. Previous work has focused on finding the best representation of a signal using a fixed overcomplete basis (or dictionary). We present an algorithm for learning an overcomplete basis by viewing it as probabilistic model of the observed data. We show that overcomplete bases can yield a better approximation of the underlying statistical distribution of the data and can thus lead to greater coding efficiency. This can be viewed as a generalization of the technique of independent component analysis and provides a method for Bayesian reconstruction of signals in the presence of noise and for blind source separation when there are more sources than mixtures.     

Estimation of speech embedded in a reverberant and noisy environment by independent component analysis and wavelets

In this paper, we develop a system for enhancement of the speech signal with highest energy from a linear convolutive mixture of n statistically independent sound sources recorded by m microphones, where m相似文献   

Flexible job shop scheduling under condition-based maintenance: Improved version of imperialist competitive algorithm

Maintenance activities have been ignored in many studies on scheduling problems where all machines are assumed to be available without interruption in the planning horizon. However, in realistic situations, they might be unavailable due to preventive maintenance, basic maintenance or unforeseen breakdowns. In this paper, we simulate a condition-based maintenance (CBM) for flexible job shop scheduling problem (FJSP) and consider the combination of Sigmoid function and Gaussian distribution to improve the CBM simulation. This study proposes an improved imperialist competitive algorithm (ICA) for the FJSP scheduling problem with the objective of the makespan minimization. The performance of the proposed algorithm is enhanced with a hybridization of ICA with simulated annealing (SA), after diagnosing standard ICA disadvantages and shortcomings. This ICA also includes a simulation part to handle CBM requirements. Various parameters of the novel ICA are reviewed to calibrate the algorithm with the help of the Taguchi experimental design. Experimental results show the high performance of the novel ICA in comparison with the standard ICA. The obtained results demonstrate that the novel ICA is an effective algorithm for FJSP under CBM. Finally, the performance of ICA is evaluated compared to other popular algorithms.     

Data compression and local metrics for nearest neighborclassification

A local distance measure for the nearest neighbor classification rule is shown to achieve high compression rates and high accuracy on real data sets. In the approach proposed here, first, a set of prototypes is extracted during training and, then, a feedback learning algorithm is used to optimize the metric. Even if the prototypes are randomly selected, the proposed metric outperforms, both in compression rate and accuracy, common editing procedures like ICA, RNN, and PNN. Finally, when accuracy is the major concern, we show how compression can be traded for accuracy by exploiting voting techniques. That indicates how voting can be successfully integrated with instance-based approaches, overcoming previous negative results