独立分量分析若干问题的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-18页 |
| ·研究背景及意义 | 第9-10页 |
| ·ICA 问题的基本描述 | 第10-11页 |
| ·ICA 研究的发展历史 | 第11-12页 |
| ·ICA 的应用和研究现状 | 第12-13页 |
| ·ICA 现有方法概述 | 第13-16页 |
| ·互信息最小化方法 | 第14页 |
| ·非高斯极大化方法 | 第14-15页 |
| ·非线性去相关方法 | 第15页 |
| ·极大似然估计法 | 第15页 |
| ·信息最大化方法 | 第15-16页 |
| ·张量方法 | 第16页 |
| ·高阶统计量的ICA 估计方法 | 第16页 |
| ·本文的主要内容 | 第16页 |
| ·本文的组织结构 | 第16-18页 |
| 第二章 预备知识和基本理论 | 第18-44页 |
| ·ICA 的数学模型 | 第18-19页 |
| ·相关数学知识 | 第19-25页 |
| ·概率论和统计知识 | 第19-21页 |
| ·信息论知识 | 第21-24页 |
| ·信号通过线性变换后有关信息特征的变化 | 第24-25页 |
| ·数据的预处理 | 第25-27页 |
| ·变量的中心化 | 第25页 |
| ·变量的白化 | 第25-27页 |
| ·几种主要的估计方法 | 第27-39页 |
| ·互信息最小化方法 | 第27-29页 |
| ·非高斯极大化方法 | 第29-34页 |
| ·非线性去相关方法 | 第34-35页 |
| ·极大似然方法 | 第35-36页 |
| ·信息最大化方法 | 第36-38页 |
| ·基于张量的估计方法 | 第38-39页 |
| ·基于高阶统计量的估计方法 | 第39页 |
| ·数值实验结果 | 第39-42页 |
| ·数值实验一 | 第39-41页 |
| ·数值实验二 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第三章 ICA 的收敛性研究 | 第44-52页 |
| ·非高斯极大化算法的严格数学证明 | 第44-46页 |
| ·局部极值点的存在性 | 第46-48页 |
| ·全局优化算法简介 | 第48-50页 |
| ·全局优化算法概论 | 第49页 |
| ·粒子群算法 | 第49-50页 |
| ·数值实验结果 | 第50页 |
| ·本章小结 | 第50-52页 |
| 第四章 基于时间结构的ICA 算法改进 | 第52-69页 |
| ·引言 | 第52页 |
| ·SOS 方法简介 | 第52-54页 |
| ·改进方法的导出 | 第54-56页 |
| ·数值实验 | 第56-68页 |
| ·数值实验一（语音信号） | 第56-59页 |
| ·数值实验二（风景图像） | 第59-63页 |
| ·数值实验三（人脸图像） | 第63-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 总结和展望 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72-73页 |
| 上海交通大学硕士学位论文答辩决议书 | 第73页 |
