一种新的变步长ICA自适应算法

结合互信息极小的优化判据，基于估计函数期望平方准则、外点法和最速下降法的思想，本文导出了一种新的变步长独立分量分析(ICA)自适应算法。该算法克服了固定步长在分离矩阵推导过程中出现的稳态失调问题，比基于模拟退火步长的ICA算法有更快的仞始收敛速度和较高的分离精度。同时，该算法还具有较好的时变系统跟踪能力。理论分析和仿真计算结果证实了其可以有效地提高ICA的自适虚性，更准确地完成盲信号分离。     

ICA结构进化和未来网

ICA是一种含有中间件的网络软件体系结构,旨在以结构进化取得功能突破,据以全面支持来自用户的以及来自系统的各种应用需要。ICA的出台,表明国际上已建立起一种未来网定位新理念。ICA所代表的“信息通信”领域内的网络软件结构进化,立足于把未来网规范为三层结构,即“应用(Application)层”、“中间件(Middleware)层”和“基础(Baseware)层”。ICA的出现,对我国谋求新崛起是大好机遇,这不仅可以直接振兴我国网络软件产业,更可激励我国在新一轮的网络进化的进程中力争跻身“领潮国”的行列。“ICA融合了各种最新信息技术的长处”。ICA结构进化,标志着当今网络进化的时代特征。推进和实现基于ICA的未来网,有着较佳的可行性。     

Oil monitoring methods based on information theory

To evaluate the wear condition of machines accurately,oil spectrographic entropy,mutual information and ICA analysis methods based on information theory are presented. A full-scale diagnosis utilizing all channels of spectrographic analysis can be obtained. By measuring the complexity and correlativity,the characteristics of wear condition of machines can be shown clearly. The diagnostic quality is improved. The analysis processes of these monitoring methods are given through the explanation of examples. The availability of these methods is validated and further research fields are demonstrated.     

智能型计算机辅助教学系统的实现与研究

基于高职院校下一代数字化校园网络,将人工智能应用到计算机辅助教学形成智能型计算机辅助教学(ICAI),本文就ICAI的特点、系统的基本结构及实现技术进行了探讨。     

基于子带分解的语音分离算法研究

提出一种有效解决不相互独立语音源信号混合的分离算法.利用子带分解方法,将混合信号分解成多个子带信号,在各个子带上分别进行语音分离得出语音分离信号,利用提出的相关性能指数,判断出相互独立的子带信号,把该子带的分离矩阵作为混合信号的解混合矩阵对混合信号进行分离.实验证明了本算法对相关语音源信号较好的分离效果.     

基于二维图像矩阵的ICA人脸识别

为了解决传统独立分量分析(ICA)在人脸识别过程中存在的高维小样本问题,同时为了提高识别效率,提出了一种基于二维图像矩阵的独立分量分析(ICA)特征提取方法.该方法将人脸图像矩阵作为训练样本,首先利用主分量分析(PCA)对训练样本进行去二阶相关和降维处理,然后对处理后的样本进行ICA特征提取,由于训练样本维数很小,因此它降低了传统ICA方法中高维小样本问题产生的识别错误率,同时减少了识别时间.在Yale人脸库和ORL人脸库上验证了该算法的有效性.     

基于改进独立分量分析的高光谱数据分类研究

高光谱数据波段数目多,光谱信息量大,采用传统的分类方法无法取得较好的精确分类效果.针对上述问题,结合独立分量分析(ICA)和概率神经网络(PNN)在高光谱数据特征提取及分类中的优势,提出了一种改进的独立分量分析与概率神经网络相结合的高光谱数据分类方法,首先采用改进的独立分昔分析对高光谱数据进行降维,然后采用概率神经网络对提取的独立分量进行分类.通过仿真实验结果表明,方法可以在获得较高分类精度的同时大大节省分类的时间.     

高炉铁水硅含量预报的ICA-SVM建模方法

提出了一种基于改进的动态独立分量分析（independent component analysis, ICA）和支持向量机(support vector machine, SVM)的高炉铁水硅含量预报模型建模方法．采用动态ICA方法对样本数据进行特征提取,消除生产工艺参数之间的相关性．在此基础上,再使用目前计算复杂性较小的最小二乘SVM算法建立高炉铁水硅含量预报的动态递推模型,并引入了遗传算法以优化模型性能．以某钢厂高炉实际生产数据进行了应用实验,并与现有的时间序列分析、人工神经网络和基本SVM建模方法进行了对比．实验统计结果表明,本文方法显著提高了铁水硅含量的预测命中率．     

ICA算法在fMRI中的应用

独立分量分析（ICA）是信号处理领域新近发展起来的一种很有应用前景的方法,而脑功能磁共振（fMRI）信号的有效分离与识别是一个正在研究和实验之中的技术领域。近年来,ICA已被成功地应用于fMRI数据的处理,成为分析IMRI数据的一种很有效的方法。本文介绍了ICA在分析fMRI数据方面的应用,以及多种ICA算法在fMRI信号盲源分离中 的应用,分析了三种算法的问题,给出了本人对此研究的展望。     

An EDBoost algorithm towards robust face recognition in JPEG compressed domain

In this paper, we describe a novel multiclass boosting algorithm, EDBoost, to achieve robust face recognition directly in JPEG compressed domain. In comparison with existing boosting algorithms, the proposed EDBoost exploits Euclidean distance (ED) to eliminate non-effective weak classifiers in each iteration of the boosted learning, and hence improves both feature selection and classifier learning by using fewer weak classifiers and producing lower error rates. When applied to face recognition, the EDBoost algorithm is capable of selecting the most discriminative DCT features directly in JPEG compressed domain to achieve high recognition performances. In addition, a new DC replacement scheme is also proposed to reduce the effect of illumination changes. In comparison with the existing techniques, the proposed scheme achieves robust face recognition without losing the important information carried by all DC coefficients. Extensive experiments support the conclusion that the proposed algorithm outperforms all representative existing techniques in terms of boosted learning, multiclass classification, lighting effect reduction and face recognition rates.