| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-14页 |
| ·独立分量分析 | 第10页 |
| ·独立分量分析在特征提取中的应用 | 第10-12页 |
| ·本文的研究内容与组织结构 | 第12-14页 |
| ·研究内容 | 第12-13页 |
| ·组织结构 | 第13-14页 |
| 2 独立分量分析相关理论 | 第14-26页 |
| ·独立分量分析定义 | 第14-15页 |
| ·独立分量分析的相关概念 | 第15-22页 |
| ·累积量 | 第15-17页 |
| ·微分熵 | 第17-18页 |
| ·互信息 | 第18-19页 |
| ·K-L散度 | 第19页 |
| ·峰度 | 第19-20页 |
| ·负熵 | 第20-22页 |
| ·ICA的独立性测度准则 | 第22-25页 |
| ·使用峰度计算信号的非高斯性 | 第23页 |
| ·使用负熵计算信号的非高斯性 | 第23-24页 |
| ·使用负熵估计值计算信号的非高斯性 | 第24-25页 |
| ·使用互信息计算信号的独立性 | 第25页 |
| ·本章小结 | 第25-26页 |
| 3 独立分量分析算法 | 第26-35页 |
| ·概论 | 第26页 |
| ·信号预处理理论 | 第26-28页 |
| ·信号的中心化 | 第26-27页 |
| ·信号的白化 | 第27-28页 |
| ·基于信号论的ICA算法 | 第28-34页 |
| ·FastICA算法 | 第28-30页 |
| ·InfoMax算法 | 第30-33页 |
| ·互信息最小算法 | 第33页 |
| ·最大似然算法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 基于核独立分量分析特征提取的混合气体定量分析 | 第35-47页 |
| ·混合气体定量分析 | 第35-37页 |
| ·混合气体定量分析简介 | 第35页 |
| ·混合气体定量分析原理 | 第35-36页 |
| ·研究现状 | 第36-37页 |
| ·核独立分量分析与LSSVM结合的混合气体定量分析方法 | 第37-42页 |
| ·核独立分量分析 | 第38-39页 |
| ·支持向量机与最小二乘支持向量回归机 | 第39-41页 |
| ·KICA和LSSVR结合的混合气体定量分析方法 | 第41-42页 |
| ·KICA与LSSVR在混合气体定量分析中的应用 | 第42-46页 |
| ·实验数据 | 第42页 |
| ·KICA特征提取 | 第42页 |
| ·实验结果 | 第42-44页 |
| ·三种方法的比较 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 5 改进快速独立分量分析特征提取方法在心电图分类识别中的应用 | 第47-57页 |
| ·心电图分类识别 | 第47-50页 |
| ·心电图概述 | 第47-49页 |
| ·心电图分类识别及研究现状 | 第49-50页 |
| ·基于改进快速独立分量分析与支持向量机的心电图分类方法 | 第50-53页 |
| ·FastICA及M-FastICA算法 | 第51页 |
| ·I-FastICA算法 | 第51-52页 |
| ·基于I-FastICA与SVM的ECG信号分类方法 | 第52-53页 |
| ·I-FastICA与SVM在心电图识别中的应用 | 第53-56页 |
| ·实验数据 | 第53页 |
| ·特征提取 | 第53-54页 |
| ·实验结果 | 第54-55页 |
| ·I-FastICA、M-FastICA和FastICA效果比较 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| ·总结 | 第57-58页 |
| ·展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间取得的研究成果 | 第62-63页 |
| 致谢 | 第63-65页 |
