一种快速固定点算法用于独立成分分析.pdfVIP

一种快速的固定点算法用于

独立成分分析

AapoHyvärinen和ErkkiOja

赫尔辛基工业大学

计算机与信息室

Rakentajanaukio2C,02150埃斯波,芬兰

aapo.hyvarinen@hut.fi,erkki.oja@hut.fi

本文将在《神经计算》第9卷，第1483‑1492页，1997年。

我们介绍了一种新的快速独立成分分析算法，该算法可用于盲源分离和特征提取。

文中展示了如何将神经网络学习规则转化为固定点迭代，从而一种非常简单、

不依赖于任何用户定义参数且能快速收敛到数据允许的最准确解的算法。该算法

可以逐个找到所有非独立成分，无论其概率分布如何。计算可以在批处理模

式或半自适应方式下进行。严格证明了算法的收敛性，并显示其收敛速度为三次。

与基于梯度的算法进行了比较，结果显示新算法通常快10到100倍，有时只需几

次迭代即可得到解。

1引言

独立成分分析（ICA）（Comon,1994；Jutten和Herault,1991）是一种信号

处理技术，其目标是将一组随量表示为统计独立的成分变量的线性组合。

ICA的两个有趣应用是盲源分离和特征提取。在最简单的ICA形式中（Comon,

1994），我们观察到量随量，，...，，这些变量被假设为