摘要：在混合颜料成分分析中,反射光谱法通过计算相似性来判断基本颜料种类,容易受多种基本颜料的影响,造成分析结果不准确。将光谱表示为信号,结合独立成分分析,提出一种基于光谱表示和独立成分分析的混合颜料成分分析方法。首先,采用光谱仪获取混合颜料光谱信息,并将其表示为离散信号的形式;然后,对信号进行独立成分分析,得到基本颜料的光谱信息;随后,通过计算基本颜料光谱与已知颜料光谱的相似性,确定基本颜料种类;最后,逆用Kubelka-Munk混色公式就可以得出基本颜料的比例。我们采用蒙赛尔色卡光谱制作模拟数据,分别进行正常/扰动情况下三种色卡光谱混合信息的成分分析试验,以及从8种色卡光谱中选择若干种混合后的成分分析实验。分离出的光谱形态与已知的原始颜料光谱形态极其相似,平均相似比为97.72%,最大相似比可以达到99.95%,得出的基本颜料比例与混合时的比例基本相同。实验结果表明本方法适用于混合颜料成分分析。

摘要：高光谱遥感在对地球陆地、海洋、大气的观测中发挥着重要作用,高光谱遥感图像分析的关键是提取像元光谱内部各物质成分及其含量,即光谱解混。独立成分分析提供了一种先进的技术手段,在很少先验知识的前提下,实现端元(物质成分)光谱及其丰度(含量)的同时提取。但丰度约束破坏了各成分独立的前提条件,导致了独立成分分析的局限性。针对这一问题,提出了丰度约束下总体相关性最小化的解决方案,并指出总体相关性最小化下的理想角度,通过设计角度修正的独立成分分析算法把各成分调整到理想角度上。利用模拟数据与真实数据算法进行检验,结果表明:经过角度修正后,独立成分分析突破了原有的局限性,有助于进一步提高独立成分分析技术在光谱分析中的有效性。

摘要：运用独立成分分析对fMRI数据进行分析,得到了一组有代表性的脑激活区,包括时间序列与实验设计一致的脑激活区和心跳、眼动、头动引起的激活区,给出了与它们相对应的时间序列.结果表明独立成分分析是进行fMRI数据分析的一种有效手段.

摘要：针对时相调制通信系统从频域设计滤波器存在困难的问题,在该系统中引入独立成分分析技术从时域进行滤波.建立了基于独立成分分析的时相调制通信系统,对接收端的观测信号进行预处理,采用基于梯度的极大化非高斯性独立成分分析算法进行时域滤波处理,得到相对独立的几路信息,从而提取出时相调制信号中相位突变特征信息,经过幅度检测,完成对输入信号的恢复和解调.仿真表明:独立成分分析方法不仅能获取时相调制信号的特征,而且检测和解调后的系统性能保持较好.

摘要：高光谱遥感影像快速独立成分分析(fast independent component analysis,FastICA)降维过程包含大规模矩阵计算及大量迭代计算.通过热点分析,面向集成众核(many integrated core,MIC)架构设计了协方差矩阵计算、白化处理和ICA迭代等热点并行方案,提出和实现一种M-FastICA并行降维算法,并构建算法性能模型;基于集成众核研究并行程序优化策略,针对各热点并行方案提出一系列优化策略,特别是创新性地提出一种下三角阵负载均衡方法,并量化测试其优化效果.实验结果显示M-FastICA算法最高可加速42倍,比24核CPU多线程并行快2.2倍;探讨了波段数与并行程序性能的关系;实验数据验证了算法性能模型的准确性.

摘要：为了提取表面缺陷图像特征,常对图像进行线性变换,但通常的wavelet变换、Gabor变换及其基函数都是预先定义和不变的,不能适应于缺陷图像的特点.为此提出基于独立成分分析(ICA)和拓扑独立成分分析(TICA)的特征提取方法,并将其应用于冷轧带钢表面缺陷自动识别.首先利用ICA和TICA从缺陷集中自适应地估计出基函数和滤波器,这些基适应于缺陷图像的特点;然后用与基对应的滤波器对缺陷图像滤波,提取滤波响应作为特征向量;最后用支持向量机对样本进行分类识别.该方法建立在对缺陷集无监督学习的基础上,能够自适应地提取缺陷图像的显著特征,且计算简单,可并行处理.实验结果表明,文中方法对形状类缺陷、纹理类缺陷及其他缺陷的识别率都非常高,总体识别率可达95.52%.

摘要：目的采用独立成分分析(independent component analysis,ICA)方法,对局灶性癫痫的功能磁共振成像(functional magnetic resonance imaging,fMRI)数据进行分析,评价其在fMRI癫痫灶定位研究中的应用价值。方法采用经预处理的空间ICA方法,对12例局灶性癫痫患者18组数据进行处理。利用脑电同步功能磁共振成像(sim-ultaneous electroencephalogram and functional MRI,EEG-fMRI)检出的间期痫样发放假设驱动模式设计,对检出的各独立成分的时间序列进行多元回归排序,观察癫痫数据ICA结果的空间及时间特征。并与传统广义线性模型(general-linear model,GLM)方法进行对比,评价ICA对癫痫静态fMRI检出的效能。结果与传统GLM脑电同步功能成像方法对比(10/18),ICA方法具有较好的癫痫活动检出能力[传统广义线性法:55%(10/18);ICA法72%(13/18)]。此外,ICA方法还可以发现缺省网络等静息态脑认知网络受癫痫活动发放影响的情况。结论 ICA具有检出静态fMRI数据中间期痫样放电(interictal epiletiform discharges,IEDs)信号的能力,在癫痫活动的研究方面具有良好的应用前景。

摘要：为了自动识别功能信号成分,通过对灰质数据和脑脊液数据独立成分的空间相关性进行典型相关分析,有效地解决了独立成分的排序问题.提出的方法不需要任何先验信息,能够稳健地识别与实验设计相关的功能信号成分,实现了对fMRI数据的盲分析.通过对临床真实fMRI数据的分析,阐明了提出方法的有效性及可靠性.

摘要：首先采用相关分析初步检测可能的功能激活区域,并以初步检测的功能激活区域作为空间约束条件,对fMRI数据进行时间模式的独立成分分析,然后利用功能实验设计时序信息,通过典型相关分析方法对独立成分排序,自动识别与功能实验设计相关的功能信号成分,最后以识别的功能信号成分作为参考函数,重新利用相关分析自适应地分析fMRI数据。通过对实际的fMRI数据分析验证了提出方法的有效性及可靠性。

摘要：提出一种基于光谱表示和独立成分分析的混合颜料分离方法。首先,采用光谱仪获取混合颜料光谱信息,并将其表示为离散信号的形式;然后,对信号进行独立成分分析,得到基本颜料光谱曲线,从而确定基本颜料种类。采用蒙赛尔色卡光谱制作模拟数据,进行三种色卡光谱混合信息的分离实验以及从八种色卡光谱中选择若干种混合后的分离实验,分离出的基本颜料光谱形态与已知的原始颜料光谱形态极其相似,平均相似比为97.64%,最大相似比可以达到99.95%。实验结果表明,该方法能够准确确定基本颜料种类,具有可追溯性,适用于混合颜料分离。