| 研究生学位论文原创性声明 | 第1-5页 |
| 作者简介 | 第5-7页 |
| 摘要 | 第7-11页 |
| 第一章 绪论 | 第11-18页 |
| ·ICA的发展历史 | 第11-12页 |
| ·ICA的模型及算法研究进展 | 第12-16页 |
| ·ICA的模型 | 第12-14页 |
| ·线性ICA模型的可辨识性 | 第14-15页 |
| ·ICA算法的研究进展 | 第15-16页 |
| ·论文结构 | 第16-18页 |
| 第二章 线性 ICA的准则与自适应算法 | 第18-36页 |
| ·统计独立性和信息理论基础 | 第18-20页 |
| ·线性 ICA的盲分离准则 | 第20-25页 |
| ·极大似然估计方法 | 第21-22页 |
| ·极小化互信息 | 第22-23页 |
| ·信息传输最大化和最大化负嫡 | 第23-24页 |
| ·几种准则的等价性 | 第24-25页 |
| ·自然梯度和相对梯度的自适应学习算法 | 第25-28页 |
| ·数据的预处理 | 第25页 |
| ·基于梯度的自适应算法 | 第25-27页 |
| ·自然梯度算法和相对梯度算法 | 第27-28页 |
| ·自然梯度算法及其稳定性分析 | 第28-34页 |
| ·自然梯度算法的稳定性分析 | 第28-31页 |
| ·算法的稳态误差和步长因子 | 第31-32页 |
| ·评价函数对算法的影响 | 第32-34页 |
| ·任意分布源的ICA算法的研究现状 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第三章 参数 ICA算法 | 第36-63页 |
| ·基于拓广Infomax 的ICA算法及其稳定性 | 第37-41页 |
| ·拓广的Infomax算法 | 第37-39页 |
| ·算法的渐近稳定性 | 第39-41页 |
| ·基于自适应评价函数的ICA算法 | 第41-44页 |
| ·Pearson系统模型 | 第41-42页 |
| ·Gaussian混合密度模型 | 第42-43页 |
| ·分离算法流程 | 第43-44页 |
| ·基于非对称广义高斯PDF的ICA算法—AGGD-ICA | 第44-54页 |
| ·广义高斯 PDF(Generalized Gaussian PDF) | 第44-47页 |
| ·非对称广义高斯 PDF | 第47-49页 |
| ·AGGD—ICA的分离算法及其流程 | 第49-50页 |
| ·AGGD—ICA算法的渐近稳定性 | 第50-54页 |
| ·模拟实验 | 第54-62页 |
| ·拓广 Infomax的ICA算法的分离性能 | 第55-57页 |
| ·自适应评价函数的ICA算法的分离性能 | 第57-60页 |
| ·非对称广义高斯 PDF的ICA算法—AGGD-ICA分离性能 | 第60-62页 |
| ·小结 | 第62-63页 |
| 第四章 非参数 ICA算法 | 第63-87页 |
| ·几种非参数概率密度函数估计方法 | 第64-68页 |
| ·直方图方法 | 第64-65页 |
| ·Rosenblatt方法 | 第65-66页 |
| ·Parzen核估计方法 | 第66-67页 |
| ·最近邻估计方法 | 第67-68页 |
| ·基于 Parzen核估计的ICA算法 | 第68-71页 |
| ·Parzen核估计方法 | 第69-70页 |
| ·基于Parzen核估计的非参数 ICA算法 | 第70-71页 |
| ·基于GGD核的ICA算法 | 第71-73页 |
| ·GGD核估计 | 第71-72页 |
| ·基于GGD核的ICA算法 | 第72-73页 |
| ·基于GKNN的非参数 ICA算法 | 第73-75页 |
| ·GKNN估计方法 | 第73-74页 |
| ·基于GKNN估计的自适应ICA算法 | 第74-75页 |
| ·模拟实验 | 第75-86页 |
| ·基于Parzen核估计的ICA算法的分离性能 | 第75-79页 |
| ·基于CCD核的ICA算法的分离性能 | 第79-83页 |
| ·基于GKNN的非参数ICA算法的分离性能 | 第83-86页 |
| ·小结 | 第86-87页 |
| 第五章 非线性独立成分分析的原理及算法 | 第87-98页 |
| ·引言 | 第87-88页 |
| ·非线性 ICA/BSS问题的描述 | 第88-89页 |
| ·非线性 ICA/BSS问题解的不确定性 | 第89-90页 |
| ·可分离的非线性ICA/BSS模型及其算法 | 第90-94页 |
| ·后非线性(PNL) ICA/BSS模型 | 第90-91页 |
| ·PNL ICA/BSS的算法 | 第91-93页 |
| ·其它可分离非线性 ICA/BSS模型 | 第93-94页 |
| ·一般的非线性ICA/BSS模型及其算法 | 第94-96页 |
| ·Bayesian集合学习算法 | 第94-95页 |
| ·自组织映射算法 | 第95页 |
| ·遗传算法 | 第95页 |
| ·其它非线性ICA/BSS算法 | 第95-96页 |
| ·局部 ICA/BSS | 第96页 |
| ·结论、存在问题及其发展趋势 | 第96-98页 |
| 第六章 论文的主要工作、创新点和进一步的工作 | 第98-101页 |
| ·论文的主要工作 | 第98-99页 |
| ·论文的主要创新点 | 第99页 |
| ·进一步的研究工作 | 第99-101页 |
| 致谢 | 第101-102页 |
| 参考文献 | 第102-109页 |
