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 |