基于自适应评价函数的独立成分分析算法

简要介绍独立成分分析（ICA）及其模型，然后在极大似然估计的框架下，基于两类参数模型--Gaussian混合密度模型和Pearson系统模型，研究了具有对称分布（包括超高斯分布与亚高斯分布）和非对称分布源混合信号的盲分离问题，给出了一种有效的基于灵活评价函数的ICA新算法，该算法在一定意义上实现了对源信号概率分布的真正全“盲”。与原有的ICA算法相比，该算法具有更广泛应用范围。模拟实验验证了算法的有效性。     

BP网络算法及适用性

介绍了目前应用最广泛的人工神经网络之一——BP网络.在BP网络算法方面给出了影响BP网络精度的几个因素并进行了改进.给出了BP网络的适用范围,并把BP网络同其它数学方法加以比较,并举了几个例子加以说明.结果表明,BP网络在模式识别、数据处理方面应用较其它数学方法效果要好,精度要高,容错性更好.