搜索资源列表
ICAforsignal
- Matlab环境下的基于独立分量分析（ICA）算法的信号混合与分离仿真程序-Matlab environment based on the independent component analysis (ICA) is a mixed-signal simulation and separation procedures
flexica
- 独立分量分析，利用此程序可以提取独立分量-independent component analysis, the use of this procedure can be extracted ICA
sound_sep1
- 独立分量分析（ICA）算法编码，盲源信号分离（声音信号的分离）-Independent component analysis (ICA) algorithm coding, Blind Source Separation (voice signal separation)
ica_matlab
- 用于盲信号分离的独立分量分析ICA算法，运行于Matlab-for Blind Signal Separation of independent component analysis ICA algorithm running in Matlab
FastICA
- 计算快速ICA（独立分量分析）的方法，结果表明，该方法行之有效
ImprovedAlgorithmBasedonKernelFunctionandApplicati
- 本文的题目是改进的核函数算法及其在人脸识别中的应用研究。 本文在系统学习现有核函数及支持向量机相关理论的基础上，系统研究了自适应选择核函数算法，通过引入朴素正则风险最小化准则，提出了一种改进的在线核函数算法。算法采用截断误差最小化、合理选取拉格郎日因子等方法对新增样本进行训练，有效地克服了现有方法收敛精度低和不能自适应选择样本的困难。 根据独立分量分析的原理和特点，将改进的核函数算法引入人脸识别的研究中，给出了基于ICA-SVM的人脸识别算法及实现方法。 论文分别应用数值仿
fourorderculumantsica
- 独立分量分析的累积量方法，分离信号 ica方法
fastfixedpoint
- 独立分量分析(Independent Component Analysis，简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法，其目的是从由传感器收集到的混合信号中分离出相互独立的源信号，使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用，目前已成为盲信号处理，人工神经网络等研究领域中的一个研究热点。 本文简要的阐述了ICA的发展、应用和现状，详细地论述了ICA的原理及实现过程，系统地介绍了目前几种主要ICA算法以及它
ICA_demo_fMRI
- 快速独立分量分析（FastICA）源码及ICA在MRI图像中应用的例程。
InforMaxICA
- 基于Informax判据的ICA算法，属于独立分量分析的一种。
InforMaxICA
- 基于Informax判据的ICA算法，属于独立分量分析的一种。-Informax the ICA-based criterion algorithm, belonging to an independent component analysis.
FastICA_24
- 改进的独立分量分析,在以往的独立分量分析中加入核函数，避免其缺陷，更好的分离信号。-Improvement of independent component analysis (ica), in the past the independent component analysis (ica) adding kernel function, avoid its defects, better separated signal.
fp
- 基于ICA的独立分量分析，目标函数是负熵，快速不动点算法-ICA-based independent component analysis, the objective function is negative entropy, fast fixed-point algorithm
qiaodu
- 基于峭度的独立分量分析，包括并行提取和串行提取的程序-ICA based on kurtosis analysis, including parallel and serial extraction procedures for extracting
proganm
- 非线性独立分量分析(ICA)源码,主要是用于非线性ICA进行盲源分离算法的函数-Nonlinear independent component analysis (ICA) source, mainly for non-linear ICA for blind source separation algorithm function
ICALABIPv2_0
- ICA算法可以将噪声信号分解为一系列独立的分量（ICs），这样就可以对各独立分量进行单独的研究和分析。首先叙述了柴油机噪声信号的特性。预测模型表明：发动机噪声信号满足ICA计算的要求。然后介绍了ICA模型的相关理论。举例说明ICA方法分离信号的有效性，以及ICA方法对小能量噪声的分离的有效性。连续小波变换来显示了各独立分量ICs在时频域内的特性。由采集信号分离得到噪声源信号可以作为发动机的理论预测和设计依据。-he ICA algorithm can be decomposed into a s
1
- 一个matlab编写的简单程序，显示了基本的独立分量分析，适合初学者。-A matlab simple procedure, shows the basic of independent component analysis (ica), is suitable for beginners.
3
- 一个matlab编写的简单程序，显示了旋转的独立分量分析，适合初学者。-A matlab simple procedure, showing the rotation of independent component analysis (ica), is suitable for beginners.
4
- 一个matlab编写的简单程序，显示了固定点的独立分量分析，适合初学者。-A matlab simple procedure, showing the protection of independent component analysis (ica), is suitable for beginners.
45
- 一个matlab编写的简单程序，显示了粒子群的独立分量分析，适合初学者。-A matlab simple procedure, showing the particle swarm of independent component analysis (ica), is suitable for beginners.