ICA_讲课.pptVIP

1.利用下面的特性： 在白化空间中，不同独立成分的对应向量wi是正交的。因此，若要估计多个独立成分，我们需要将任意一元算法运行多遍，每次迭代后将w1,w2,…,wn正交化 2.渐进（串行）正交化 利用Gram-Schmidt方式的正交化方法，一个接着 一个的将独立成分估计出来。 假定，已经估计出了p个独立成分（即w1,…wp） ,那么可以估计wp+1，并在每次迭代循环后从wp+1 中减去其在已经估计出的前p个向量上的投影 (wTp+1wj)wj，然后再对wp+1做标准化 1.选择要估计的独立成分个数m，设置p=1 2.初始化wp 3.在wp上执行一元估计算法，进行一次迭代 4.进行正交化 5.对wp进行标准化 6.如果wp尚未收敛，转到第3步 7.置p=p+1，如果p=m，返回第2步 1.对数据进行中心化，使其均值为0 2.进行白化，得到z 3.选择要估计的独立成分个数m，设置p=1 4.选择一个具有单位范数的初始化向量w 5.根据不动点迭代公式更新w 函数g可以为： 6.正交化 7.标准化w： 8.如果尚未收敛则返回第5步 9. 置p=p+1，如果p=m，返回第4步 以上就是本次课程报告的内容，主要讲解了ICA算法的模型、原理、算法流程，最后再结合程序给大家演示。 * * 这里把交叠的过程抽象成一个混合系统函数A的作用 ICA是20世纪90年代提出的