独立成分分析-支持向量机回归模型及其在近红外光谱分析中的应用

首先采用独立成分分析(ICA)提取近红外光谱数据矩阵的独立成分和相应的混合矩阵,然后用支持向量机回归(SVR)对混合矩阵和实测浓度矩阵进行建模,建立了独立成分分析-支持向量机回归(ICA SVR)的近红外分析建模方法.结果表明,ICA SVR模型的预测结果明显优于SVR和偏最小二乘法(PLS)方法,方法用于肉样品中水分、脂肪和蛋白质的同时测定,获得了满意的结果.     

基于移动窗FICA和SOM方法的心动异常诊断

该文针对在线独立成分分析算法学习速率以及收敛性难以把握的问题,提出了一种利用变窗体移动窗附加在实时信号上的快速独立成分分析(Fast independent component analysis,FICA)改进算法,不但满足在线处理要求,而且不用考虑学习速率的问题,节省存储空间并提高运算效率。利用自组织映射(Self-organizing maps,SOM)神经网络算法在动态分类上的优势,采用变移动窗快速独立成分分析与自组织映射相结合的方法对心动异常数据进行了分类。实验表明,该方法能有效地提高速率和实现实时故障分类。     

增广独立成分分析用于果汁饮料中防腐剂的快速测定

采用正交设计法配制16组包含苯甲酸钠、山梨酸钾、对羟基苯甲酸甲酯钠3种防腐剂水性混合样品,分别测其紫外-可见(UV)光谱.果汁样品通过离心,取上清溶液,稀释一定的倍数测定其UV光谱.将果汁样品紫外光谱数据与模拟水样光谱融合得到增广光谱矩阵,采用独立成分分析(ICA)提取增广光谱矩阵中独立组分(IC)的浓度轮廓,将实际样品中3种防腐剂以外的其他成分作为背景加以扣除,以模拟标准样品3种防腐剂对应的浓度轮廓回归分析得到3种防腐剂测定的独立成分回归(ICR)模型,实际样品中防腐剂的IC值代入ICR模型预测得到相应防腐剂含量.将浓度IC轮廓进行最小二乘回归分析得到与其对应的光谱轮廓,可用作防腐剂与作为其他成分的背景信号的定性分析.方法用于市售某柠檬饮料中防腐剂测试分析,ICR模型的线性相关系数(R)均在0.99以上,测定结果与采用高效液相色谱法相当.     

改进的ICA算法及其在fMRI信号上的应用

针对目前广泛使用的两种独立成分分析(ICA)算法(fixed-point算法和infomax算法)在处理功能磁共振成像(fMRI)数据时速度较慢的特点,给出了独立成分分析的一个优化模型,在此基础上,提出了一种快速的牛顿型迭代算法.该算法采用修正后的牛顿迭代形式,使收敛速度达到三阶.将文中算法与其它两种算法应用于实际fMRI数据,实验结果表明,文中算法能够很好地分离出任务成分,同时大大减少了运算量,提高了运算速度,在处理大数据量的fMRI信号方面有明显的优势.     

基于独立成分分析的脑电伪迹消除方法

独立成分分析(ICA)是统计信号处理中的一项新技术，用来从混合信号中提取具有统计独立性的成分，基于固定点快速算法，从脑电(EEG)信号中消除眼电(EOG)伪迹信号，并给出了实验结果。实验结果表明该算法具有较好的性能和实用性。     

基于动态独立成分的单类支持向量机方法及其在故障诊断中的应用

针对工业过程故障诊断中数据的动态性、非高斯性和非线性特点,提出一种基于动态独立成分的单类支持向量机(OCSVM)方法。为了分析数据的动态特性和非高斯性,应用动态独立成分分析(DICA)方法提取数据变量中的动态独立成分作为特征信息,基于特征信息建立OCSVM模型并构造非线性监控统计量。检测到故障后,计算故障数据与故障模式数据决策超平面的相似度,通过相似度分析识别故障模式。在Tennessee Eastman基准过程上的仿真结果表明,提出的方法能够比单类支持向量机更有效地检测过程故障,并且能够正确识别故障模式。     

基于独立成分分析和小波变换处理两相流信号

为克服噪声信号给速度测量带来的影响,提供了一种基于独立成分分析(ICA)和小波变换处理两相流信号的方法。首先介绍独立成分分析(ICA)的基本原理及其实现方法,并利用此方法对两相流信号进行处理;根据傅立叶变换确定信号的频谱;然后介绍小波变换和空间滤波的基本原理,并利用小波变换确定信号的带宽;并根据带宽求出固体速度。最后给出仿真实验结果。结果表明:这种方法可以满足固体速度测量的需要。     

基于独立分量相异性分析的动态过程监控研究

针对动态独立分量分析(dynamic independent component analysis, DICA)在过程中捕获的独立分量存在自相关性和故障漏报的问题，提出基于独立分量相异性分析(DICA dissimilarity analysis, DICA-DISSIM)的动态过程监控方法。首先，利用DICA从原始数据中捕获独立分量；其次，在独立分量子空间中引入滑动窗口并进行相异性分析得到一个新的统计指标来监控过程的当前状态；最后，利用变量贡献图方法分析过程异常原因。与传统的DICA相比，所提方法能够有效地降低DICA捕获的独立分量的自相关性，降低了过程动态特征对故障检测的影响，最后解决了DICA统计量中存在的故障漏报问题。通过对动态数值例子和田纳西-伊斯曼过程进行仿真，仿真结果表明，与独立分量分析(independent component analysis, ICA)、DICA和动态主成分分析(dynamic principal component analysis, DPCA)相比，该方法有效地提高了动态过程监控性能。     

基于独立分量分析的心理作业诱发脑电特征增强

作者采用独立分量分析(Independent Component Analysis)方法对心理作业诱发的脑电信号进行了分析.研究表明,ICA能有效地从多路头皮脑电中分离出脑电信号的基本节律成分.通过对脑电独立源谱特征和ICA混合矩阵分析,可得到基本节律成分在头皮电极的能量分布情况,进而揭示心理作业与脑电特征的关系.     

去除脑电信号眨眼伪差的独立成分时域相关算法

针对脑电信号易受眨眼动作干扰的问题,提出了一个自动地去除眨眼伪差的独立成分时域相关算法.该算法使用独立成分进行分析,并分解脑电信号,然后利用眨眼伪差独立成分与某些导联的脑电信号之间在时域存在较大相关性的特点,计算每个独立成分与前额附近的5个导联(Fp1,Fp2,F3,F4,Fz)信号的相关值的累加值,并对该值进行排序,将具有最大值的独立成分识别为眨眼伪差独立成分,将其设置为0,最后重建干净的脑电信号.通过对脑电信号的去除伪差实验表明:眨眼伪差引起的干扰基本被消除,伪差检测算法的敏感度和特异度分别是97.7％和98.3％,同时该算法能有效保持脑电信号基本不变.     

基于噪声独立分量分析的多用户检测

针对独立分量分析算法忽略噪声这一缺点,引入基于噪声模型的噪声独立分量分析,得到基于噪声独立分量分析的多用户检测方法.并与基于无噪模型的算法进行仿真比较,结果表明本文引入的方法性能更优,稳健性更好,对实际信道的适应性更强.     

独立分量分析及其在水体富营养化污染源的研究

综述了独立分量分析(ICA)问题的模型、原理,以及定义在基本ICA问题的上的各种算法,包括信息最大化infomax算法、负熵最大化法、最大似然法等,并对各算法性能作了比较.并介绍了可获得的ICA算法系统fastica及其运行平台.说明了ICA在水污染源研究中的应用.     

独立分量分析方法及其在地理与环境科学中的应用

综述了独立分量分析(ICA)问题的模型、原理,以及定义在基本ICA问题上的各种算法,包括信息最大化infomax算法、负熵最大化法、最大似然法等,并对各算法性能作了比较.并介绍了可获得的ICA算法系统fastica和oolabss及其运行平台,说明了ICA在地理与环境问题中的应用.     

基于R语言的ICA在盲源分离的应用

本文首先介绍盲源分离问题和ICA相关理论,然后用R语言实现仿真。通过fastICA算法将盲源分离,实验结果表明,R语言使用fastICA算法在解决盲源分离问题上有很好的效果,但今后还需在算法和问题假设上做改进。     

大轴圆度误差分离的独立分量分析方法

文章介绍独立分量分析的基本理论和算法,提出在大轴圆度误差的三点法测量中应用独立分量分析进行误差分离,可降低对测量系统结构精度、测头布置及测头间夹角精度的要求。采用基于负熵的独立性判决准则的FastICA算法,对三点法测量模型进行仿真,结果表明,基于独立分量分析的圆度误差分离技术比传统的频域法和时域法均简单、实用及高效。     

采用独立分量分析方法消除信号中的工频干扰

工频干扰的消除是微弱信号采集中的一项重要技术,传统方法是采用陷波滤波器或自适应滤波,论文则提出了用独立分量分析（ICA）进行生物医学信号中工频干扰消除的新方法,在简要介绍了独立分量分析的基本理论及算法的基础上,根据三种不同的实际情况,详细讨论了利用独立分量分析进行工频干扰消除的方法与步骤,并给出了实验结果。     

基于独立分量分析的缺陷信号除噪

独立分量分析ICA是一项新兴的阵列信号处理方法,在简要介绍ICA概念和定点算法的基础上,将ICA的定点算法应用到缺陷信号除噪中。仿真试验结果表明,ICA的定点算法除噪效果优于传统的数字滤波器,它在缺陷信号除噪中具有较大的应用潜能。     

一种基于ICA的盲源分离定点迭代算法

介绍了一种基于ICA的定点速代算法，并给出算法的模型、步骤和仿真结果。该算法以峰度作为独立性判决准则，在迭代过程中，使用定点算法，快速有效地分离出任意分布的非高斯独立源信号。实验表明，与传统的基于随机梯度的ICA算法相比，谊算法具有收敛速度快，无需动态参数的优点，是一种高效可靠的盲信号分离算法。     

基于FastICA的低信噪比雷达信号分选算法

针对传统的基于参数的信号分选系统已无法适应当前复杂情况下的雷达信号分选问题,将基于独立分量分析(ICA)的盲源分离算法引入雷达信号分选算法.快速ICA(FastICA)算法结合了定点迭代和非高斯最大化算法,具有稳定性好、收敛速度快、计算量小等优点.但该算法对噪声非常敏感,无法在低信噪比情况下进行信号分选.针对这一缺点,引入同步累加平均降噪算法,并结合信号均衡、平滑处理进行改进,使得新算法在低信噪比情况下对雷达信号进行分选.仿真表明改进后的算法在低信噪比情况下具有良好的分选效果,并保留了原算法的优点.     

基于独立分量分析的遥感影像分类方法

多光谱遥感影像反映了不同地物的光谱特征,其分类是遥感应用的基础。独立分量分析对未知的源信号的混合信号进行估计,可以获得相互独立的源信号的近似。独立分量分析利用了信号的高阶统计信息,对于多光谱遥感影像而言,其去除了波段影像之间的相关性,获得的波段影像是相互独立的。最后通过TM遥感影像数据的分类试验,验证了基于独立分量分析的线性光谱混合分析模型应用于多光谱遥感影像非监督分类的有效性。