-
ICA
（獨立成分分析）
鎖定
在信號處理中，獨立成分分析（ICA）是一種用於將多元信號分離為加性子分量的計算方法。
[1]
這是通過假設子分量是非高斯信號，並且在統計上彼此獨立來完成的。ICA是盲源分離的特例。一個常見的示例應用程序是在嘈雜的房間中聆聽一個人的語音的“ 雞尾酒會問題 ”。
[1]
ICA基本介紹
獨立成分分析簡介
X=AS
U=WX=WAS
ICA過程
(1)對輸入數據進行中心化和白化預處理
X*=X-u
經過白化變換後的樣本數據為
Z=Wz X*
(2)從白化樣本中求解出解混矩陣W
通過優化目標函數的方法得到W
(3)得到獨立的基向量U
U=WX
應用：表情分類
得到基向量U後，任何一個樣本可用U的線性組合來表示。
線性組合的係數即Xi向U上的投影係數：
Ei=UXi'
訓練樣本和測試樣本可分別得到Ei和Etest。
然後選擇合適的分類器，就可以進行分類。
ICAfastica簡介
function [Out1, Out2, Out3] = fastica(mixedsig, varargin)
%FASTICA(mixedsig) estimates the independent components from given
% multidimensional signals. Each row of matrix mixedsig is one
% observed signal.
% = FASTICA (mixedsig); the rows of icasig contain the
% estimated independent components.
% = FASTICA (mixedsig); outputs the estimated separating
% matrix W and the corresponding mixing matrix A.
mixedsig為輸入向量，icasig為求解的基向量。
A即為混合矩陣，可以驗證mixedsig=A×icasig。
W即為解混矩陣，可以驗證icasig=W×mixedsig。
