基于核独立分量分析的胎儿心电信号提取，段承璋，，本文提供了一种新的应用方法即利用核独立分量分析来提取胎儿心电系信号，独立分量分析（independent component analysis ICA）是近年来发展��

现有基于独立分量分析(ICA)的运动目标检测算法大多采用单一的观测向量生成方式和2 通道数据进行检测，使得现有算法难以获得更加完整精确的目标形态。该文在传统独立分量分析算法的基础上引入4 种不同的观测向量生成方式并使用更多通道数据进行实验，以此更广泛地涵盖运动目标的运动特性并为提取前景提供更多有效信息，使该算法能有效应对缓慢移动和低区分性目标。多场景下的量化实验分析表明，更多通道数据的使用以及4种观测向量生成方式的综合在合理的误检率代价下使算法达到了更高的检测正确率。

此示例文件显示了使用受到脉冲激励的 2DOF 系统的独立分量分析 (ICA) 进行的模式形状识别。 但是，应该考虑到： - 所选的 2DOF 系统具有正交模式。 参考： --------------------- [1] Al Rumaithi, Ayad，“使用参数和非参数系统识别方法对动态结构进行表征”（2014 年）。 电子论文和学位论文。 1325. https://stars.library.ucf.edu/etd/1325 [2] Al-Rumaithi、Ayad、Hae-Bum Yun 和 Sami F. Masri。 “与 Next-ERA、PCA 和 ICA 模式相关的模式分解的比较研究。” 模型验证和不确定性量化，第 3 卷。Springer, Cham，2015 年。113-133。

人工智能-独立分量分析的神经网络方法.pdf

独立分量分析的matlab工具箱，亲测可用。下载完成之后添加到matlab的toolbox中即可。运行高效，欢迎大家下载。

为了实现高光谱降维并保留重要的光谱特征，通过独立分量分析（independent component analysis，ICA）混合模型和高光谱线性模型的对比分析，提出了结合纯像元提取和ICA的高光谱数据降维方法。该方法通过估计虚拟维数(virtual dimensionality，VD)确定特征个数，采用自动目标生成过程（automatic target generation process, ATGP）从原始数据中提取纯像元向量，作为ICA算法的初始化向量，以负熵为目标函数产生独立分量，并通过高阶统计

针对传统降噪方法处理激发极化法（激电法）测量数据的效果不理想的问题，对经验模态分解方法和独立分量分析技术进行了研究，提出了一种新的激电数据降噪方法。首先，采用经验模态分解方法将原始测量数据自适应分解为有限个固有模态函数，再根据其与激发信号的相关性选择固有模态函数构造虚拟噪声通道，最后利用独立分量分析技术提取多维混合数据中的激电信号。利用仿真信号和实际数据对该方法进行实验，对比普通滤波方法和小波阈值算法，结果表明该方法能有效提高激电数据的信噪比。

保守值法matlab代码牛顿熵优化（NEO）ICA 使用二阶优化的大规模Infomax-ICA。 二次收敛 使用截断牛顿（又名无黑森州）优化，可以更快，更好地收敛。 这具有与通常的梯度下降方法相同的存储成本。 自适应小批量 使用近似似然的梯度/ hessian向量乘积的方差来调整迭代中的最小批量大小。 快速实施 该算法是使用BLAS，OpenMP和SSE内部函数为CPU实现的。 尽可能使用近似数学（）。 如果您的硬件不支持SSE内在函数，则NEO-ICA会退回到非矢量化代码。 多种语言 支持C ++，Python和MATLAB。 轻巧便携 可以与GCC 4.8+和MSVC 2015一起编译。 MATLAB绑定没有依赖性（链接到MATLAB的BLAS / LAPACK）。 Python绑定仅需要Numpy（链接到Numpy使用的BLAS / LAPACK） 1 。 C ++库仅需要BLAS / LAPACK 1 。 1 ICA通常涉及非常高而又瘦的矩阵。 在处理这些方面，MKL比竞争对手更胜一筹。 安装 Matlab ：将适用于{Linux，Windows 64-bits}的matlab

本文提出了应用改进的Fast-ICA算法进行电能质量检测的方法。快速ICA(独立分量分析:Independent Component Analysis)算法是目前非常流行的一种好算法。利用信号的高阶统计量快速准确地实现信号分离和恢复。

为了更有效地提取脑电信号特征波，结合小波包和ICA（独立分量分析），提出了一种脑电特征波提取方法。首先对脑电信号进行小波包分解，然后进行相关频段信号的重构，从而提取出特征波的概貌作为初次提取的特征波；再利用ICA分离技术，以初次提取的特征波为参考信号对其进行增强。实验结果表明，对比于独立地应用某一种方法，两种方法相结合更能有效地提取脑电信号特征波。