基于独立成分分析的特征提取方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-22页 |
| ·概述 | 第13页 |
| ·特征提取 | 第13-15页 |
| ·常见的特征提取方法 | 第15-18页 |
| ·主成分分析 | 第15-16页 |
| ·线性判别分析(LDA)技术 | 第16-18页 |
| ·独立成分分析(ICA) | 第18-20页 |
| ·定义 | 第18-19页 |
| ·ICA与PCA | 第19-20页 |
| ·ICA与投影法 | 第20页 |
| ·本论文的组织结构 | 第20-22页 |
| 第二章 独立成分分析的相关知识 | 第22-31页 |
| ·概述 | 第22页 |
| ·概率与统计特征 | 第22-25页 |
| ·特征函数 | 第22-23页 |
| ·高阶统计量 | 第23-25页 |
| ·有关信息论的基础知识 | 第25-30页 |
| ·熵 | 第25-26页 |
| ·Kullback-Leibler散度 | 第26-27页 |
| ·互信息 | 第27-28页 |
| ·负熵(Negentropy) | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 独立成分分析算法研究 | 第31-43页 |
| ·独立性定义 | 第31页 |
| ·独立性判据 | 第31-37页 |
| ·非高斯最大化判据 | 第31-34页 |
| ·Kurtosis(峰度) | 第32-33页 |
| ·负熵 | 第33页 |
| ·负熵的近似 | 第33-34页 |
| ·信息极大化判据 | 第34-35页 |
| ·互信息最小化判据 | 第35-37页 |
| ·最大似然判据 | 第37页 |
| ·独立成分分析算法 | 第37-42页 |
| ·Infomax算法 | 第38-41页 |
| ·互信息最小算法 | 第41页 |
| ·最大似然算法 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 FastICA算法 | 第43-47页 |
| ·引言 | 第43页 |
| ·FastICA算法 | 第43-47页 |
| 第五章 独立成分分析在特征提取中的应用 | 第47-69页 |
| ·数据说明 | 第47-50页 |
| ·特征提取 | 第50-56页 |
| ·实验及结果分析 | 第56-63页 |
| ·其他应用 | 第63-68页 |
| ·ICA在基因表达数据中的应用 | 第63-66页 |
| ·ICA在金融数据中的应用 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 附录 硕士期间发表论文和获奖情况 | 第77-78页 |
| 致谢 | 第78页 |
