独立成分分析（Independent Component Analysis, ICA）是近年来出现的一种强有力的数据分析工具（Hyvarinen A, Karhunen J, Oja E, 2001; Roberts S J, Everson R, 2001）。1994年由Comon给出了ICA的一个较为严格的数学定义，其思想最早是由Heranlt和Jutten于1986年提出来的。ICA从出现到现在虽然时间不长，然而无论从理论上还是应用上，它正受到越来越多的关注，成为国内外研究的一个热点。特别是从应用角度看，它的应用领域与应用前景都是非常广阔的，目前主要应用于盲源分离、图像处理、语言识别、通信、生物医学信号处理、脑功能成像研究、故障诊断、特征提取、金融时间序列分析和数据挖掘等。

ICA是一种用来从多变量（多维）统计数据里找到隐含的因素或成分的方法，被认为是主成分分析（Principal Component Analysis, PCA）和因子分析（Factor Analysis）的一种扩展。对于盲源分离问题，ICA是指在只知道混合信号，而不知道源信号、噪声以及混合机制的情况下，分离或近似地分离出源信号的一种分析过程。

 

 

参考文献 

 

1.         Hyvarinen A, Karhunen J, Oja E. (2001). Independent Component Analysis. John Wiley, New York.

2.         Roberts S J, Everson, R. (2001). Independent component analysis: principles and practice. Cambridge University Press.

3.         Comon P. Independent component analysis — a new concept? Signal Processing, 1994, 36: 287-314.

4.         Herault J, Jutten C. Space or time adaptive signal processing by neural network models. International Conference On Neural Networks for Computing. Utah, USA, 1986.

图片引自：http://amouraux.webnode.com/research-interests/research-interests-erp-analysis/blind-source-separation-bss-of-erps-using-independent-component-analysis-ica/

转载本文请联系原作者获取授权，同时请注明本文来自郭崇慧科学网博客。
链接地址：https://blog.sciencenet.cn/blog-34250-209873.html


下一篇：《控制论》中文版是由谁翻译的？