注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 独立成份分析（英文版）

  2. 独立成份分析是近年来神经网络，高级统计学和信号处理等研究领域一个热点

  3. 所属分类：网络基础

    • 发布日期：2009-10-21
    • 文件大小：12582912
    • 提供者：xjm12

  1. 一个很好的独立成份分析的算法介绍

  2. 一个很好的独立成份分析的算法介绍，基于快速度固定点算法

  3. 所属分类：专业指导

    • 发布日期：2011-12-06
    • 文件大小：118784
    • 提供者：caulzhong

  1. Survey on Independent Component Analysis

  2. 文章主要介绍了Independent Component Analysis(独立成份分析)的关键技术

  3. 所属分类：数据库

    • 发布日期：2012-10-19
    • 文件大小：580608
    • 提供者：xjtuwgt

  1. ICA方法用于脑电图分析的程序

  2. 独立分量分析结合主成份分析，适合于脑电信号处理

  3. 所属分类：专业指导

    • 发布日期：2008-10-14
    • 文件大小：4096
    • 提供者：hclmouce

  1. fastica工具箱

  2. matlab独立成份分析工具箱。 独立分量分析 ( Independent Component Analy2sis , ICA) 是由Herault和Jutte在1983年提出,该方法不依赖与源信号类型相关的详细知识或信号传输系统特性的精确辨识,以非高斯源信号为研究对象，在统计独立的假设下，对多路观测到的混合信号进行盲信号分离，是一种有效的冗余取消技术,被广泛应用于盲源分离( blind source separation BSS)、特征提取和盲解卷、生理学数据分析语 音信号处理、图像处理及人

  3. 所属分类：其它

    • 发布日期：2014-08-24
    • 文件大小：800768
    • 提供者：gaocong_123

  1. 独立成份分析(ICA)代码

  2. 经典的Matlab版的独立成份分析算法示例

  3. 所属分类：其它

    • 发布日期：2014-12-17
    • 文件大小：44032
    • 提供者：wangwang26

  1. 独立成份分析(ICA)

  2. 独立成份分析(ICA)

  3. 所属分类：专业指导

    • 发布日期：2016-03-21
    • 文件大小：1048576
    • 提供者：george1092

  1. 基于事件相关电位的BCI新型输入系统研究

  2. 设计了基于事件相关电位（ERP）的脑-机接口（BCI）系统，根据ERP中P300的特性，分别对比输入字符的形式及颜色，并在此基础上采用不同的实验参数进行了多次实验。对采集到的脑电信号（EEG）使用叠加平均、独立成份分析（ICA）、Fisher线性分类器来进行分析处理。实验结果表明，输入方式及实验参数会对P300的时域特性及识别率产生较大的影响。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：210944
    • 提供者：weixin_38545485

  1. 基于独立成分分析的图像颜色特征提取研究

  2. 结合独立成分分析（Independent Components Analysis， ICA）和最大相似度分类器（Maximum Likelihood）的特点，本文提出了一种基于ICA的多频谱遥感图像色彩分类的算法。该算法提取图像的色彩的独立成分，去除了图像的R、G、B之间的相关性，光谱独立成份用来聚集像素，使用Maximum Likelihood对像素进行颜色分类。实验结果表明，该方法识别性能好，准确度高，是对多频谱遥感图像的颜色特征提取的一种有效方法。

  3. 所属分类：其它

    • 发布日期：2021-01-29
    • 文件大小：3145728
    • 提供者：weixin_38544152

  1. 基于高阶累计统计量的微生物发酵过程监测

  2. 传统多向核独立成分分析(MKICA)方法的实质是把基于独立成分分析(ICA)中的白化处理主元分析(PCA)替换为核主元分析(KPCA)后利用二阶统计量进行过程监控,并未利用过程数据的阶段特性和高阶累积量信息,为了解决此问题,提出高阶累积量分析(HCA)与多向核熵独立成份分析(MKECA)相结合的多向高阶累计量的核熵独立成分分析方法(HCA-MKEICA).首先,采用核熵独立成份分析(KECA)对原始数据进行数据转换,解决数据的非线性;然后,在高维核熵空间利用HCA技术构建新的统计量用于过程监控;

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：214016
    • 提供者：weixin_38738422