探究性数据分析方法——独立成分分析概述论文_杨 佳

摘 要：目前独立成分分析已经成功地应用于图像处理、语言信号处理、模式识别、数据挖掘等领域。可见独立成分分析是一种非常优越的数据处理方法，能够广泛地应用于数据分析，因此研究独立成分分析具有重要的研究意义。本文通过独立成分分析的基本原理和估计原理对独立成分分析法进行阐释。

关 键 词：数据分析方法；独立成分分析

Exploratory Data Analysis Method,

The Summary on Independent Component Analysis

YANG Jia

（College of Computer , China Sichuan University, Chengdu 610207, China）

Abstract: The independent component analysis has been successfully used in image processing, speech signal processing, pattern recognition, data mining and other fields, which shows that independent component analysis is a very superior method of data processing, can be widely used in the data analysis, so the research has important significance for independent component analysis. This paper studies the independent component analysis by the principle of independent component analysis and the estimate principle.

Key words: Data analysis method; independent component analysis

一．基本原理

（一）独立成分分析的假设条件

2. 独立成分服从非高斯分布高斯随机变量的高阶累积量为零，但高阶信息是实现独立成分分析的本质因素。事实上，真实世界的许

多数据服从非高斯分布。如果独立成分中有两个以上的高斯成分，用标准的独立成分分析来处理是不可能实现的。标准的独立成分分析只挖掘数据的非高斯结构。

3. 混合矩阵为方阵

混合矩阵为方阵，意味着独立成分的个数等于观测混合信号的个数，进一步地说，混合矩阵 A 是可逆的，即通过运算可得：

2.不能确定独立成分的顺序

（三）数据的中心化

如果零均值并不成立，我们可以通过预处理来达到这个条件。一般我们采用中心化观测变量这一技术，即减去样本均值。我们可以在运用独立数据分析算法处理数据之前，原始观测混合数据可以通过下式进行预处理：

（四）不相关化和白化

二．估计原理

论文作者:杨 佳

论文发表刊物:《科技新时代》2017年12期

论文发表时间:2018/1/29

标签：成分论文;  独立论文;  数据论文;  高斯论文;  矩阵论文;  方阵论文;  我们可以论文;  《科技新时代》2017年12期论文;