ica
共 145 篇文章
ica 相关的电子技术资料，包括技术文档、应用笔记、电路设计、代码示例等，共 145 篇文章，持续更新中。
关于ICA的经典书籍
关于ICA的经典书籍，理论与应用兼顾，研究盲信号分离的必备参考。
：介绍了独立成分分析(ICA)的基本模型及其假设、含混性、非高斯性度量和通用求解过程。讨论了目前ICA 的几个研究方向的发展现状和面临的问题
：介绍了独立成分分析(ICA)的基本模型及其假设、含混性、非高斯性度量和通用求解过程。讨论了目前ICA 的几个研究方向的发展现状和面临的问题，分析了ICA 基本模型和几种扩展模型的求解算法，包括盲反卷积、卷积混和的盲分离、非线性瞬时混合的盲分离。提出了ICA 未来理论和应用研究中的开放课题。
核ICA的工具箱
核ICA的工具箱，用于独立分分量分析，盲源信号分离（BSS）
一篇基于独立分量分析（ICA）的盲信道MATLAB程序
一篇基于独立分量分析（ICA）的盲信道MATLAB程序
ICA算法提供fast ICA 算法 P.COMON的算法
ICA算法提供fast ICA 算法 P.COMON的算法
ICA is used to classify text in extension to the latent semantic indexing framework. ICA show to ali
ICA is used to classify text in extension to the latent semantic indexing framework. ICA show to align the context grouping structure well in a human sense [1], thus can be used for unsupervised class
用于盲信号分离的独立分量分析ICA算法
用于盲信号分离的独立分量分析ICA算法，运行于Matlab
独立分量分析(Independent Component Analysis
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IC
ICA方法用于脑电图分析的程序
ICA方法用于脑电图分析的程序，大家可以借鉴使用
完整的独立分量分析(ICA)程序包,可以用来进行盲源分离
完整的独立分量分析(ICA)程序包,可以用来进行盲源分离
This a Bayesian ICA algorithm for the linear instantaneous mixing model with additive Gaussian noise
This a Bayesian ICA algorithm for the linear instantaneous mixing model with additive Gaussian noise [1]. The inference problem is solved by ML-II, i.e. the sources are found by integration over the s
一片基于ICA的数字水印的方法研究的论文
一片基于ICA的数字水印的方法研究的论文，值得看一看
ICALAB for Signal Processing Toolbox for BSS, ICA, cICA, ICA-R, SCA and MCA
ICALAB for Signal Processing
Toolbox for BSS, ICA, cICA, ICA-R, SCA and MCA
复数信号的FASTICA算法
复数信号的FASTICA算法，和ICA算法类似，但主要用于处理复数信号。
一种新的ica算法
一种新的ica算法，主要是应用与盲分离算法，大家可以
通过对独立分量分析算法的研究
通过对独立分量分析算法的研究，介绍了该算法的基本模型及目前应用最广泛的快速定点ICA算法的数学原理．通过仿真试验结果表明，用该算法对随机混合的3幅图像进行盲分离，取得了理想的效果．
具有带通选择性的ICA算法可以改善对于带通时间序列的分离以及对于周期性脑功能响应信号的提取. 因此本文提出的方案可将被估计信号, 如:周期性响应信号以及具有平滑空间分布的脑功能激活区, 的先验特性以特
具有带通选择性的ICA算法可以改善对于带通时间序列的分离以及对于周期性脑功能响应信号的提取. 因此本文提出的方案可将被估计信号, 如:周期性响应信号以及具有平滑空间分布的脑功能激活区, 的先验特性以特征选择的方式加入ICA算法用以提高对此类信号的估计
用matlab实现扩展Informax算法和固定点算法Fast ICA
用matlab实现扩展Informax算法和固定点算法Fast ICA，可对混合后信号进行独立分量分离
用matlab实现ica提取的全部原代码
用matlab实现ica提取的全部原代码
这次上传的代码是关于特征提取的主要算法之一：ica
这次上传的代码是关于特征提取的主要算法之一：ica，其比pca要好