| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-15页 |
| 1.1 独立成分分析的发展 | 第10-11页 |
| 1.2 独立成分分析的应用 | 第11-14页 |
| 1.2.1 独立成分分析在分离混合信号中的应用 | 第11页 |
| 1.2.2 独立成分分析在图像识别中的应用 | 第11-12页 |
| 1.2.3 独立成分分析在图像压缩重构中的应用 | 第12-13页 |
| 1.2.4 独立成分分析算法扩展成多层独立成分分析算法提取自然图像特征 | 第13-14页 |
| 1.3 本文工作和内容安排 | 第14-15页 |
| 2 独立成分分析（ICA） | 第15-33页 |
| 2.1 定义 | 第15-16页 |
| 2.2 ICA 的约束条件 | 第16-17页 |
| 2.3 求解 ICA 生成模型的一般步骤 | 第17-21页 |
| 2.3.1 观测变量的中心化 | 第17-18页 |
| 2.3.2 白化 | 第18-20页 |
| 2.3.3 ICA 算法 | 第20页 |
| 2.3.4 正交化 | 第20-21页 |
| 2.4 独立成分分析的目标函数和优化算法 | 第21-29页 |
| 2.4.1 极大化非高斯性目标函数 | 第21-25页 |
| 2.4.2 Fast ICA 优化算法 | 第25-29页 |
| 2.5 快速独立成分分析两种模型 | 第29-32页 |
| 2.5.1 快速独立成分分析模型 1(Fast ICAI) | 第29-30页 |
| 2.5.2 快速独立成分分析模型 2(Fast ICAII) | 第30-32页 |
| 2.6 ICA 模型存在的不确定性 | 第32页 |
| 2.7 本章总结 | 第32-33页 |
| 3 独立成分分析的应用 | 第33-52页 |
| 3.1 独立成分分析应用于混合信号分离 | 第33-41页 |
| 3.1.1 独立成分分析对混合音频信号的分离实验 | 第35-37页 |
| 3.1.2 独立成分分析对混合图像信号的分离实验 | 第37-39页 |
| 3.1.3 独立成分分析对普通混合信号的分离实验 | 第39-40页 |
| 3.1.4 实验总结 | 第40-41页 |
| 3.2 独立成分分析应用于人脸图像识别和重构 | 第41-48页 |
| 3.2.1 最近邻距离分类器识别 | 第42-43页 |
| 3.2.2 实验 | 第43-48页 |
| 3.2.3 实验总结 | 第48页 |
| 3.3 独立成分分析应用于图像压缩 | 第48-51页 |
| 3.3.1 基于主成分分析的图像压缩 | 第48-49页 |
| 3.3.2 基于独立成分分析的图像压缩 | 第49页 |
| 3.3.3 实验 | 第49-51页 |
| 3.3.4 实验总结 | 第51页 |
| 3.4 本章总结 | 第51-52页 |
| 4 将 ICA 模型扩展到多层 ICA 模型 | 第52-64页 |
| 4.1 多层 ICA 模型产生由来 | 第52-53页 |
| 4.2 自然图像特征空间 | 第53-56页 |
| 4.2.1 基于 PCA 的自然图像特征空间 | 第53-54页 |
| 4.2.2 基于 ICAI 的自然图像特征空间 | 第54页 |
| 4.2.3 基于 ICAII 的自然图像特征空间 | 第54-56页 |
| 4.3 建立三层 ICA 扩展算法模型 | 第56-61页 |
| 4.3.1 预白化处理 | 第56-57页 |
| 4.3.2 升维 | 第57-58页 |
| 4.3.3 非线性激活函数 | 第58-59页 |
| 4.3.4 基于负熵的多层快速独立成分分析模型 | 第59-60页 |
| 4.3.5 采用多层 ICA 算法模型对自然图像的训练和测试 | 第60-61页 |
| 4.4 实验及结果分析 | 第61-63页 |
| 4.5 本章总结 | 第63-64页 |
| 5 多层 ICA 模型算法的应用 | 第64-76页 |
| 5.1 多层 ICA 模型提取陆上自然图像特征 | 第64-69页 |
| 5.2 多层 ICA 模型提取水下自然图像特征 | 第69-71页 |
| 5.3 多层 ICA 模型提取的水下图像特征应用于水下机器视觉 | 第71-75页 |
| 5.4 本章总结 | 第75-76页 |
| 6 总结展望 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 致谢 | 第80-81页 |
| 个人简历 | 第81-82页 |
| 攻读硕士期间发表的学术论文与研究成果 | 第82-83页 |
