搜索资源列表
FastICA_2.4
- 一种基于独立分量分析的改进算法． 可用于瞬时混合的盲分离．-based on independent component analysis algorithm improvements. For transient mixed Blind separation.
72158903456
- 介绍主分量分析和独立分量分析方法的一个论文,希望对从事这方面研究的有帮助!
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
bsp
- 一篇关于独立分量分析的文章中的源程序，可以用于对两个语音信号的分离
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
multimoto_ica_pca_process_program
- 独立分量分析结合主成份分析，适合于脑电信号处理
mycortexICAfigure
- 利用独立分量分析原理，设计卫星测控信号识别算法，其中输入信号由cortex标准测控终端给出-The use of independent component analysis theory, the design of satellite monitoring and control signal recognition algorithm, in which the input signal from the cortex is given the standard monitoring an
cardoso_introBSS
- 基于独立分量分析的有关盲信号处理的国外权威经典论文-Independent component analysis based on blind signal processing of the foreign authority of classic papers
ICA_AND_PCA
- 关于独立分量分析和主成分分析的区别，初学者可以-the difference between independent component analysis and principal component analysis ，beginner can look at it
vbICA1_0.tar
- 该程序为变分贝叶斯独立分量分析算法，可以在强噪声环境下实现混合信号的盲分离，而且效果很好。-This code is the vbICA algirithm, which can separate the mixed signals in strong noisy environment, and the result better than other algorithms.
ICA
- 独立分量分析是20世纪末发展起来的一类多通道信号分解方法，是信号处理技术发展中的一项前沿热点。這些論文介绍预备知识。供从事信号处理的科技工作者自学或进修选用。... -Independent component analysis is developed in the late 20th century a class of multi-channel signal decomposition method is signal processing technology in the devel
BSS_Demo4SP_20Mar2k5
- 一个盲源分离的GUI界面，本程序可完成语音信号的独立分量分析。-A blind source separation GUI interface, this program can be completed independent component analysis of speech signals.
ICA
- 独立分量分析方法的应用方面一些文章，希望对大家有用-Independent Component Analysis and the application of some articles, we want to be useful
ICA
- 独立分量分析的原理与应用，大家看看，一个很有用-Principle and Application of independent component analysis, we look at a useful
icalab
- 独立分量分析工具包，包括十余种主流ICA分析工具，上手可用。-Independent component analysis toolkit, including more than 10 kinds of mainstream ICA analysis tool, to get started is available.
resultICA
- 大纲很简单地独立分量分析理论和盲源分离技术20多年的发展历史，及其程序。-Independent component analysis of the history of the development of the theory and blind source separation technology more than 20 years, and its procedures.
FastICA-algorithm
- 利用独立分量分析中的FastICA算法对盲信号源进行了分离。最终通过实验结果表明，独立分量分析可以有效地实现分离。-FastICA algorithm using independent component analysis and blind source separation. Eventually through the experimental results show that the independent component analysis can be effectively
FastICA_25
- 基于独立分量分析的fastICA算法在各个方面运用的基本算法- FastICA algorithm based on independent component analysis is used in all aspects of the basic algorithm
FastICA_25
- 快速ICA分析.快速独立分量分析。给出实例并分解-Fast ICA.FASTICA(mixedsig) estimates the independent components given multidimensional signals.
ICA
- 主要是运用ICA算法提取独立分量ICs,建立相关统计量，用于TE过程的故障检测(The ICA algorithm is used to extract the independent component ICs and establish correlation statistics for fault detection in TE process.)