wk独立成分分析.pptVIP

Slide * Image processing operations Compression Noise reduction Modeling the biological visual system Slide * 3、图像的盲抽取 Slide * 4、医学图像分析—fMRI（功能磁共振成像） Slide * 5、生物医学信号处理—MEG（脑磁图） 观测数据： Slide * 5、生物医学信号处理—MEG（脑磁图） 分离结果： 谢谢! * * * * Slide * 非高斯性的度量—峰度 峰度： 由于计算和理论上的简单, 峰度或它的绝对值 函数作为非高斯性的度量已经在ICA和相关的 领域得到了广泛的应用(峰度对于独立的随机 变量具有线性性质). Slide * 非高斯性的度量—峰度 前面提到用峰度来度量随机变量的非高斯性, 它的优点是计算简单, 但在实际计算中, 它的 缺陷是对于野点相当敏感. 而负熵是一种更稳 定的度量非高斯性的方法, 但是它的计算较为 复杂. 负熵是基于信息论中熵的概念, 而随机 变量的熵与它所给出的信息有关, 随机变量越 没有结构, 越无序, 它的熵越大. Slide * 非高斯性的度量—负熵 离散随机变量y 的熵定义为 连续值随机变量y 的熵定义为 信息论中的一个重要的结果是说, 在所有具有 相同方差的随机变量中,