第一章 引论
文章平均质量分 53
marshmallow@
这个作者很懒,什么都没留下…
展开
-
多元数据的线性表示
独立成分分析(Independent Component Analysis)是从多元(多维)统计数据中寻找其内在因子或成分的一种方法,与其他方法的区别在于它寻找的是既统计独立又非高斯的成分。假设数据由已经得到其观测的一组变量构成。记变量数目为m,观测数目为T,这样可以将数据记为xi(t),维数m和T可能非常大。该问题的一种非常通用的表述如下:从m维空间到n维空间的什么函数可以使变换后的变量能够凸显...原创 2018-05-23 21:02:19 · 582 阅读 · 0 评论 -
盲源分离
一、未知信号的观测混合假定有3个源信号,同时有3个观测信号。把测量信号记为; 原始信号记为。这样,是的加权和,加权系数取决于源和传感器之间的距离:式中,是常值系数,表示混合的权重,它是未知的,源信号同样也是未知的,我们想要做的就是利用混合量找出原始信号,这就是盲源分离(BSS)问题。“盲”表示我们对原始信号知道的很少。不妨假设由组成的矩阵可逆,此时存在一个元素是的矩阵W使得我们可以利用它分离出源信...原创 2018-05-23 21:29:35 · 12955 阅读 · 2 评论 -
独立成分分析
一、定义独立成分分析:Independent Component Analysis给定随机变量的一组观测,其中t是时间或者样本标号,假设它们由独立成分线性混合产生:其中,A是某个未知矩阵。在我们只能观测到的情况下,独立成分分析就是要同时估计出矩阵A和。注意到在该模型中,我们假定独立成分的个数与观测变量的个数是相同的,但这只是一个简化假设,而不是必要的,该模型是可估的当且仅当各成分是非高斯的,这也是...原创 2018-05-23 22:03:46 · 8148 阅读 · 0 评论