| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 ICA的研究背景 | 第14页 |
| 1.2 ICA的研究历史现状及应用 | 第14-16页 |
| 1.3 ICA基本理论 | 第16-17页 |
| 1.4 ICA的求解过程 | 第17-20页 |
| 1.4.1 数据的预处理 | 第17-18页 |
| 1.4.2 目标函数 | 第18-19页 |
| 1.4.3 常用优化方法 | 第19-20页 |
| 1.5 ICA的经典优化算法 | 第20-23页 |
| 1.5.1 基于负熵的Fast ICA算法 | 第20-21页 |
| 1.5.2 极大似然估计算法 | 第21-22页 |
| 1.5.3 Infomax算法 | 第22-23页 |
| 1.6 本文主要研究内容 | 第23-24页 |
| 第二章 基于ICA的图像特征提取 | 第24-32页 |
| 2.1 引言 | 第24页 |
| 2.2 主成分分析 | 第24-26页 |
| 2.3 基于ICA的图像特征提取 | 第26-29页 |
| 2.3.1 线性表示 | 第26-27页 |
| 2.3.2 ICA与稀疏编码 | 第27-28页 |
| 2.3.3 ICA图像特征提取方法 | 第28-29页 |
| 2.4 实验仿真 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 改进的极大似然ICA算法 | 第32-42页 |
| 3.1 极大似然ICA准则 | 第32-33页 |
| 3.2 加权正交约束目标函数 | 第33-34页 |
| 3.3 改进的极大似然ICA算法 | 第34-38页 |
| 3.3.1 自然梯度算法 | 第34-35页 |
| 3.3.2 步长的选择 | 第35-36页 |
| 3.3.3 算法推导 | 第36-38页 |
| 3.4 实验仿真 | 第38-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 改进的极大似然ICA算法在特征提取中的应用 | 第42-52页 |
| 4.1 引言 | 第42页 |
| 4.2 改进的极大似然ICA算法在特征提取中的应用 | 第42-43页 |
| 4.2.1 ICA图像特征提取方法 | 第42-43页 |
| 4.2.2 稀疏性判定 | 第43页 |
| 4.3 实验仿真及比较 | 第43-48页 |
| 4.3.1 改进的算法实验仿真 | 第43-45页 |
| 4.3.2 实验比较 | 第45-48页 |
| 4.4 独立子空间分析 | 第48-51页 |
| 4.4.1 独立子空间分析理论 | 第48-50页 |
| 4.4.2 实验结果 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 本文工作总结 | 第52页 |
| 5.2 独立成分分析的工作展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 作者简介 | 第60-61页 |