独立成分分析结合近红外光谱分析用于多组分同时测定

建立了1种基于独立成分分析的多元校正方法,结合近红外光谱分析技术进行多组分同时测定.以甲苯、氯苯和正庚烷构成的混合体系为例进行建模和预测,并将预测结果与主成分回归所得的结果进行了比较.结果主成分回归方法对独立测试集32例样本中甲苯、氯苯和正庚烷浓度的预测平均相对误差分别为4.5030、6.0231及9.6042,而独立成分回归方法对三组分浓度的预测平均相对误差分别为4.3871、4.1465及5.8104,说明本方法具有很强的预测能力,可作为1种实用的多元校正方法.     

亚麻籽油成分的近红外分析研究

亚麻油是重要的灰保健油。亚麻油中各种组分的定量分析，以往多采用气相色谱法，存在着方法繁琐、耗时较长的缺点，不适合生产时产品在线分析的需要。本文采用近红外光谱法（NIR）对亚麻油各种组分模型化后再进行定量分析，取得了满意的结果，基本达到了快速、无损、在线分析亚麻油的目的。     

基于变量纯度的波长选择方法在近红外光谱分析中的应用

提出了一种基于光谱纯度值的变量选择方法。对光谱中各变量计算其纯度值后,按降序将相应变量排列,采用PLS交互检验按前向选择法选择最佳变量子集。用本方法对3组分混合物体系及烟草样品的近红外光谱进行变量选择,并与全谱变量建模的结果进行了比较。结果表明本实验给出的波长变量优选方法是一种比较有效和实用的变量筛选方法,通过变量筛选,可极大地减少光谱信息重叠,从而提高定量校正模型的预测精度和建模效率。     

独立成分分析方法在指纹提取中的应用

为了提高指纹图像识别的准确性和可靠性,先对指纹图像采用主成分分析(PCA)算法进行预处理,去除指纹图像的二阶统计特征相关.用ICA算法对加噪的指纹图像进行提取识别,并利用统计方法确定混合矩阵,实验表明:在一定的条件下,ICA能够很好地分离混合图像,提高准确性和可靠性.     

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.     

独立成分分析方法在图象处理中的应用

本文简单介绍了独立成分分析（ICA）方法，重点讲述了ICA方法在一维信号、自然图象和医学图象中的应用，并对该方法的未来做出了预测。     

基于回归系数的变量筛选方法用于近红外光谱分析

提出了一种基于回归系数的变量逐步筛选方法。对光谱中各变量计算其回归系数后,按其绝对值由大到小将相应变量排列,采用PLS交互检验按前向选择法逐步选择最佳变量子集。用该方法对玉米和柴油近红外光谱数据进行分析,对玉米蛋白质、柴油十六烷值和粘度分别选择出了14、12以及30个最佳变量用于建模,所得预测结果均优于全谱变量建模的预测结果。可见本方法是一种有效实用的近红外光谱变量选择方法。     

基于核独立成分分析的人脸识别研究

在人脸识别中提出一种基于非线性子空间的核独立成分分析(KICA)方法。在简单介绍了ICA方法的基础上,对KICA方法的基本原理和算法作了较为详细的描述。为了验证基于KICA和ICA的人脸识别方法的识别效果,进行了对比实验和分析。实验和分析结果表明,在人脸识别中,基于KICA的方法优于基于ICA的方法。     

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。     

基于分块独立成分分析的人脸识别

提出分块独立成分分析的特征抽取方法,并成功应用于人脸识别。分块独立成分分析方法先对图像矩阵进行分块;然后对所有图像子块联合进行独立成分分析,构造特征空间;最后把图像所有的子块投影到特征空间提取特征进行分类识别。其特点是可以有效降低图像维数和有效提取图像局部特征。在YALE和FERET人脸库上的实验结果表明,提出的分块独立成分分析方法明显优于独立成分分析方法。     

Novel infrared and visible image fusion method based on independent component analysis

The goal of infrared (IR) and visible image fusion is for the fused image to contain IR object features from the IR image and retain the visual details provided by the visible image. The disadvantage of traditional fusion method based on independent component analysis (ICA) is that the primary feature information that describes the IR objects and the secondary feature information in the IR image are fused into the fused image. Secondary feature information can depress the visual effect of the fused image. A novel ICA-based IR and visible image fusion scheme is proposed in this paper. ICA is employed to extract features from the infrared image, and then the primary and secondary features are distinguished by the kurtosis information of the ICA base coefficients. The secondary features of the IR image are discarded during fusion. The fused image is obtained by fusing primary features into the visible image. Experimental results show that the proposed method can provide better perception effect.     

基于核独立成分分析的声信号去噪方法

野外环境无线传感侦查网络中的声识别技术面临着复杂的自然环境噪声的挑战,尤其是由强风噪声造成的影响.独立成分分析(ICA)方法是一种能够较好地解决这种复杂环境去噪的方法.引入一种基于核方法的非线性ICA方法一核独立成分分析(KICA).基于该算法,针对强风噪声的特性,设计一种应用于单声传感器降噪的方案.通过降噪仿真实验,...     

基于独立分量分析的工频干扰消除技术*

简要介绍了ICA的基本原理和快速算法,在分析地震信号和工频干扰特点的基础上,利用ICA技术来消除地震记录中的工频干扰,并与常规方法进行比较。研究结果表明ICA在有效消除工频干扰的同时,能够保护有效信号,并且在提高资料的信噪比方面更有优势,具有良好的应用前景。     

Novel infrared and visible image fusion method based on independent component analysis

The goal of infrared （IR） and visible image fu- sion is for the fused image to contain IR object features from the IR image and retain the visual details provided by the visible image. The disadvantage of traditional fusion method based on independent component analysis （ICA） is that the primary feature information that describes the IR objects and the secondary feature information in the IR image are fused into the fused image. Secondary feature information can de- press the visual effect of the fused image. A novel ICA-based IR and visible image fusion scheme is proposed in this paper. ICA is employed to extract features from the infrared image, and then the primary and secondary features are distinguished by the kurtosis information of the ICA base coefficients. The secondary features of the IR image are discarded during fu- sion. The fused image is obtained by fusing primary features into the visible image. Experimental results show that the pro- posed method can provide better perception effect.     

改进的ICA算法及其在特征捆绑中的应用

针对fM RI数据信噪比低、数据量大的特点,将Pearson分布族应用于独立成分分析算法中,提出基于Pearson系统的独立成分分析算法。增加非线性函数生成器,改进调整步长的方法,能根据观测数据自适应地估计非线性函数。改进的算法与原ICA算法相比,运行速度时间缩短,在fM RI信号分离中取得了较好的效果。将该算法应用于颜色和形状的特征捆绑认知中,得出参与捆绑认知的各大脑区域的主要作用,为建立视觉特征捆绑的认知模型提供理论基础。     

一种基于FastICA的波达方向估计新方法

独立分量分析是一种新颖的盲源分离技术，该方法作为目前信号处理领域的一项新技术，具有非常重要的理论意义和实用价值，已广泛应用于通讯、雷达信号处理、生物医学图像处理、模式识别等众多领域。简要介绍了独立分量分析的基本原理和算法，并提出将快速独立分量分析（FastICA）方法应用于波达方向估计（DOA），通过仿真实验和分析，可以得到DOA的一种简单估计，实验结果亦表明该算法在波达方向估计应用中的可行性和有效性。     

基于独立分量分析和BP网络的电子鼻模式识别

为了提高电子鼻对混合气体的识别率,针对气体传感器阵列的交叉敏感特性,探讨了在电子鼻系统中基于独立分量分析(ICA)算法与BP神经网络相结合进行模式识别的可行性。并对4个气体传感器组成的电子鼻对4种气体混合物所测得的原始数据进行处理,结果表明:ICA算法对数据进行有效预分类,减少了样本之间的相关性,将生成的新样本作为BP网络的输入,使网络结构简化,在保证一定正确率的前提下,大大提高网络的学习速度。利用该方法可以提高电子鼻识别混合气体的准确率。     

多切面分类改进独立成份与支持向量机集成故障诊断方法

本文采用多切面分类方法改进独立成份(ICA)与支持向量机(SVM)集成诊断方法. 在高维独立成份特征空间中采用多切面分类方法在不同切面上分别建立SVM故障分类模型. 对不同切面的分类情况进行故障识别, 改善ICA--SVM集成故障诊断性能. 将ICA--MSVM集成故障诊断方法对动态执行器基准平台(DAMADICS)的19种阀门故障模式进行仿真验证, 结果表明改进的ICA--MSVM方法有效地提高了故障诊断精度.     

A new method for fMRI data processing: Neighborhood independent component correlation algorithm and its preliminary application

Independent component analysis (ICA) is a newly developed promising technique in signal processing applications. The effective separation and discrimination of functional Magnetic Resonance Imaging (fMRI) signals is an area of active research and widespread interest. Therefore, the development of an ICA based fMRI data processing method is of obvious value both theoretically and in potential applications. In this paper, analyzed firstly is the drawback of the extant popular ICA-fMRI method where the adopted signal model assumes the independence of spatial distributions of the signals and noise. Then presented is a new fMRI signal model, which assumes the independence of temporal courses of signal and noise in a tiny spatial domain. Consequently we get a novel fMRI data processing method: Neighborhood independent component correlation algorithm. The effectiveness is elucidated through theoretical analysis and simulation tests, and finally a real fMRI data test is presented.