| 第一章 绪论 | 第1-31页 |
| ·引言 | 第11-12页 |
| ·研究独立成分分析的意义 | 第12-13页 |
| ·独立成分分析 | 第13-18页 |
| ·盲源分离 | 第14-15页 |
| ·独立成分分析模型的描述和假设 | 第15-18页 |
| ·实现标准的独立成分分析的优化方法 | 第18-23页 |
| ·扩展的独立成分分析 | 第23-24页 |
| ·期望最大(EM)算法 | 第24-25页 |
| ·国内外研究概况 | 第25-28页 |
| ·本论文的主要工作 | 第28-31页 |
| 第二章 实现过完整表示的一个EM算法 | 第31-41页 |
| ·引言 | 第31-33页 |
| ·条件统计量的极大后验估计方法 | 第33-35页 |
| ·参数估计的一个EM算法 | 第35-36页 |
| ·模拟例子 | 第36-38页 |
| ·结果和讨论 | 第38-41页 |
| 第三章 实现具有噪音的独立成分分析的一个EM算法 | 第41-53页 |
| ·引言 | 第41-42页 |
| ·后验分布的条件统计量 | 第42-43页 |
| ·参数估计的一个EM算法 | 第43-45页 |
| ·非线性函数的选取 | 第45-47页 |
| ·去噪音技术 | 第47页 |
| ·模拟例子 | 第47-49页 |
| ·讨论 | 第49-53页 |
| 第四章 基于变分方法的独立成分分析 | 第53-67页 |
| ·引言 | 第53-54页 |
| ·独立成分分析的线性模型 | 第54-55页 |
| ·超高斯分布的一个变分下界形式 | 第55-58页 |
| ·用EM算法实现模型参数的估计 | 第58-61页 |
| ·超高斯混合的EM算法 | 第59-60页 |
| ·亚高斯混合的EM算法 | 第60-61页 |
| ·模拟例子 | 第61-62页 |
| ·讨论 | 第62-67页 |
| 第五章 AFNI的数学基础及其在脑高级功能研究中的一个应用 | 第67-81页 |
| ·引言 | 第67-68页 |
| ·基本概念 | 第68-70页 |
| ·数据集 | 第68-69页 |
| ·数据集的存储 | 第69-70页 |
| ·数据集块和子数据集块 | 第70页 |
| ·路径 | 第70页 |
| ·标准坐标系 | 第70-71页 |
| ·FMRI时间序列数据的反卷积分析 | 第71-74页 |
| ·线性回归方程模型 | 第72-73页 |
| ·多重共线性 | 第73-74页 |
| ·线性回归模型的F-检验 | 第74-76页 |
| ·线性模型回归参数的T-检验 | 第76-77页 |
| ·反卷积分析的应用例子 | 第77-80页 |
| ·一个模拟例子 | 第77-79页 |
| ·FMRI时间序列反卷积分析的一个例子 | 第79-80页 |
| ·讨论 | 第80-81页 |
| 第六章 空间独立成分分析实现fMRI信号的盲源分离 | 第81-89页 |
| ·引言 | 第81-82页 |
| ·空间独立成分分析的模型和方法 | 第82-85页 |
| ·实验材料和方法 | 第85页 |
| ·结果分析 | 第85-87页 |
| ·讨论 | 第87-89页 |
| 参考文献 | 第89-98页 |
| 附录 | 第98-102页 |
| 致谢 | 第102-104页 |