ICA独立成分分析个人理解

本文主要是介绍ICA独立成分分析个人理解，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

隐含变量模型

x：观测信号，A：混合矩阵，s：独立成分、源信号、隐含变量

[模型假设]1， si之间是统计独立的(s1的取值对s2的取值没有提供信息，互不干连；不相关指不存在线性关系，不排除存在其他关系)；2， si服从非高斯分布； 3，混合矩阵可逆

D(x)=E[x-E(x)]2

多个独立的自由变量的和近似服从高斯分布&源信号是不服从高斯分布的=>利用观测信号分解量的非高斯性最大化来求源信号的近似，即IC

不适用于高斯分布是因为寻找IC正是利用了非高斯性的最大化

这篇关于ICA独立成分分析个人理解的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！

您可能喜欢

C/C++教程