首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于最大非高斯估计的独立分量分析理论研究

第一章 绪论第1-23页
   ·引言第11-12页
   ·ICA 基础理论第12-20页
     ·基本定义第12-14页
     ·估计原理和常用估计方法第14-18页
     ·ICA 的应用和研究现状第18-20页
   ·论文的研究内容、组织结构和贡献第20-23页
     ·论文研究的主要内容第20页
     ·论文的组织结构第20-21页
     ·论文的主要贡献第21-23页
第二章 最大非高斯估计的基本理论第23-39页
   ·非高斯性度量第23-27页
     ·峭度——基于统计量的方法第23-25页
     ·负熵——基于信息论的方法第25-27页
   ·最大非高斯估计方法第27-32页
     ·基于峭度的估计方法第27-28页
     ·基于负熵的估计方法第28-30页
     ·最大非高斯估计与其它ICA 估计方法第30-32页
   ·ICA 理论的本质与因子旋转第32-38页
     ·ICA 与经典线性表示第32页
     ·ICA 与因子旋转第32-35页
     ·基于Varimax 的ICA 估计方法第35-38页
   ·本章小结第38-39页
第三章 最大非高斯估计的唯一性分析第39-69页
   ·问题的提出第39-41页
   ·最大非高斯估计的唯一性分析第41-52页
     ·ICA 与最大非高斯估计第41页
     ·唯一性证明第41-47页
     ·低维情况分析第47-49页
     ·唯一性与一比特匹配猜想第49-52页
   ·最大非高斯估计的局部稳定性分析第52-57页
     ·最大非高斯估计的局部稳定性分析第52-55页
     ·基于GGM 模型的局部稳定性和鲁棒性分析第55-57页
   ·FastICA 算法解析和全局收敛性分析第57-62页
     ·算法解析第58-59页
     ·全局收敛性分析第59-62页
   ·非理想约束对估计的影响第62-68页
     ·收敛门限对估计的影响第63-64页
     ·独立性约束对估计的影响第64-68页
   ·本章小结第68-69页
第四章 独立性约束和参数自适应FastICA 算法第69-89页
   ·问题的提出第69-71页
   ·对弱相关信号的盲辨识能力分析第71-76页
     ·相关源信号的混合和ICA 辨识模型第71-72页
     ·辨识能力分析第72-75页
     ·仿真实验第75-76页
   ·参数自适应FastICA 算法第76-83页
     ·相关知识第76-78页
     ·学习规则和算法第78-80页
     ·性能分析第80-83页
   ·仿真实验第83-87页
   ·本章小结第87-89页
第五章 多源估计和独立分量排序第89-107页
   ·基于PCA 的预处理方法的本质第89-92页
     ·基本问题第89-90页
     ·基于PCA 的数据降维第90-91页
     ·有效性分析第91-92页
   ·多源估计方法第92-97页
     ·两种策略第92-94页
     ·盲特征提取与压缩算法第94页
     ·压缩式盲信号提取方案第94-97页
   ·独立分量的排序第97-106页
     ·常规方法第97-98页
     ·时间序列预测中独立分量的排序第98-101页
     ·模式识别中独立分量的排序第101-106页
   ·本章小结第106-107页
第六章 时间ICA 模型的新息方法第107-121页
   ·问题的提出第107-108页
   ·ICA, SOS 与盲信号分离第108-111页
     ·SOS 和盲信号分离第108-109页
     ·ICA, SOS 对TICA 模型的估计第109-111页
   ·TICA 模型的新息方法第111-116页
     ·ICA 对TICA 模型估计的有效性第111-112页
     ·ITICA 方法和基本约束分析第112-113页
     ·收敛性分析第113-116页
   ·仿真实验第116-119页
   ·本章小结第119-121页
第七章 总结与展望第121-125页
   ·论文所作的主要工作第121-123页
   ·后继工作第123-125页
致谢第125-127页
参考文献第127-135页
作者在攻读博士期间发表的论文和参加的科研项目第135-136页

论文共136页,点击 下载论文
上一篇:新型酶传感器的研究及其在环境毒物分析中的应用
下一篇:手机短信业务中网关平台连接模块的设计与实现