PCA（主成分分析法）和ICA（独立成分分析法）的MATLAB源程序 他们是目前图像处理比较经典的特征提取方法

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、图像处理及人脸识别等领域。该方法根据代价函数的不同,可以得 到不同的ICA算法,如信息最大化(infomax)算法、FastICA算法、最大熵( M E)和最小互信息( MM I)算法、极大似然(ML)算法等。

独立成分分析ICA的matlab代码实现，对输入输出以及主要步骤有详细的注解。利用了快速ICA的方法，算法迅速。

FastIca盲源分离算法(Matlab编写)，算法比较精简，带有详细注释。算法步骤可以查找FastIca的相关文献。