本文關(guān)鍵詞：目標(biāo)函數(shù)與策略尋優(yōu)的獨(dú)立成分分析算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：獨(dú)立成分分析(Independent Component Analysis, ICA)是盲源分離(Blind Source Separation, BSS)的重要分支。它根據(jù)源信號(hào)的統(tǒng)計(jì)獨(dú)立性特征,從混合信號(hào)中將源信號(hào)分離還原出來(lái)。ICA作為一種功能強(qiáng)大的信號(hào)處理方法,成為眾多領(lǐng)域中研究的重要課題,特別是在生物醫(yī)學(xué)、語(yǔ)音與通信、圖像處理、地球科學(xué)、文本數(shù)據(jù)挖掘等方面有突出貢獻(xiàn),具有非常重要的實(shí)用價(jià)值和應(yīng)用前景。傳統(tǒng)ICA算法存在適用范圍窄,收斂速度慢和分離精度不高等不足。為了適應(yīng)廣泛的實(shí)際應(yīng)用要求,ICA算法優(yōu)化的研究成為研究熱點(diǎn)而意義深遠(yuǎn)。本文針對(duì)上述問(wèn)題和研究背景,在前人的研究基礎(chǔ)上做了如下工作：1.獨(dú)立成分分析理論總結(jié)研究。ICA分離系統(tǒng)由目標(biāo)函數(shù)和尋優(yōu)算法兩方面組成。首先對(duì)不同目標(biāo)函數(shù)推導(dǎo)分析并指出共性；然后將尋優(yōu)算法分為兩大類：數(shù)值計(jì)算方法和仿生群智算法,比較了各算法的優(yōu)缺點(diǎn),明確以仿生群智算法作為研究點(diǎn)。采用人工蜂群(Artificial Bee Colony, ABC)算法作為尋優(yōu)算法,對(duì)其仿生策略的特點(diǎn)進(jìn)行了分析研究。2.從目標(biāo)函數(shù)與尋優(yōu)算法兩方面優(yōu)化ICA。對(duì)于目標(biāo)函數(shù),存在求解變量多計(jì)算量大的問(wèn)題,采用Givens旋轉(zhuǎn)變換減少求解變量的個(gè)數(shù),降低了計(jì)算量；對(duì)尋優(yōu)算法,采用自適應(yīng)策略改進(jìn)。對(duì)于搜索策略存在搜索方向盲目沒(méi)有指導(dǎo),策略固定不能隨迭代次數(shù)調(diào)整的不足,引入自適應(yīng)最優(yōu)解指導(dǎo)項(xiàng),指導(dǎo)搜索方向與步長(zhǎng),并隨迭代次數(shù)自適應(yīng)調(diào)整；對(duì)于選擇策略存在選擇壓力集中程度固定,不隨迭代次數(shù)變化而變化的不足,引入帶自適應(yīng)系數(shù)的Boltzmann選擇策略,能夠隨迭代次數(shù)變化自適應(yīng)調(diào)節(jié)選擇壓力集中程度,對(duì)選擇過(guò)程細(xì)化分階段調(diào)節(jié)。3.仿真實(shí)驗(yàn)對(duì)算法性能比較分析。進(jìn)行多次獨(dú)立成分分析實(shí)驗(yàn),從定性和定量?jī)煞矫媾袛喾蛛x的效果。結(jié)果表明,改進(jìn)算法能分離不同峰度性質(zhì)的源信號(hào),仿真實(shí)驗(yàn)的分離精度約比原算法提升了3個(gè)數(shù)量級(jí),算法性能良好。
【關(guān)鍵詞】：獨(dú)立成分分析 目標(biāo)函數(shù) 策略尋優(yōu) 人工蜂群算法 自適應(yīng)
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN911.5
【目錄】：

• 致謝4-5
• 摘要5-6
• Abstract6-10
• 1 緒論10-15
• 1.1 課題研究意義10-11
• 1.2 課題研究背景11-13
• 1.3 論文創(chuàng)新點(diǎn)13
• 1.4 論文組織結(jié)構(gòu)和研究?jī)?nèi)容13-15
• 2 獨(dú)立成分分析理論15-30
• 2.1 獨(dú)立成分分析模型15-17
• 2.2 預(yù)處理17-18
• 2.3 分離系統(tǒng)18-29
• 2.3.1 目標(biāo)函數(shù)19-23
• 2.3.2 尋優(yōu)算法23-29
• 2.4 本章小結(jié)29-30
• 3 目標(biāo)函數(shù)和策略尋優(yōu)的獨(dú)立成分分析30-49
• 3.1 基于人工蜂群算法的獨(dú)立成分分析30-36
• 3.1.1 人工蜂群算法30-34
• 3.1.2 基于人工蜂群算法的獨(dú)立成分分析流程34-36
• 3.2 目標(biāo)函數(shù)降維36-39
• 3.2.1 正交分離矩陣36-37
• 3.2.2 Givens旋轉(zhuǎn)變換降維37-39
• 3.3 策略自適應(yīng)改進(jìn)與性能測(cè)試39-46
• 3.3.1 搜索策略的自適應(yīng)改進(jìn)40-42
• 3.3.2 選擇策略的自適應(yīng)改進(jìn)42-44
• 3.3.3 策略改進(jìn)ABC的性能測(cè)試44-46
• 3.4 目標(biāo)函數(shù)和策略尋優(yōu)的獨(dú)立成分分析流程46-47
• 3.5 本章小結(jié)47-49
• 4 實(shí)驗(yàn)與分析49-57
• 4.1 實(shí)驗(yàn)平臺(tái)49-50
• 4.2 評(píng)價(jià)指標(biāo)50-51
• 4.3 實(shí)驗(yàn)數(shù)據(jù)和參數(shù)設(shè)置51-53
• 4.3.1 實(shí)驗(yàn)數(shù)據(jù)51-53
• 4.3.2 參數(shù)設(shè)置53
• 4.4 算法性能比較與分析53-56
• 4.5 本章小結(jié)56-57
• 5 總結(jié)與展望57-59
• 5.1 總結(jié)57-58
• 5.2 展望58-59
• 參考文獻(xiàn)59-62
• 作者簡(jiǎn)介62-63
• 作者攻讀碩士學(xué)位期間發(fā)表的論文63

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張磊;高全學(xué);;塊獨(dú)立成分分析的人臉識(shí)別[J];計(jì)算機(jī)應(yīng)用;2007年09期

2 戴歡;吳小俊;;基于統(tǒng)計(jì)不相關(guān)矢量集的獨(dú)立成分分析[J];計(jì)算機(jī)工程;2009年23期

3 彭中亞;程國(guó)建;;基于獨(dú)立成分分析和核向量機(jī)的人臉識(shí)別[J];計(jì)算機(jī)工程;2010年07期

4 李薇;楊慶華;;獨(dú)立成分分析應(yīng)用于人臉識(shí)別中的幾個(gè)問(wèn)題[J];計(jì)算機(jī)與現(xiàn)代化;2011年02期

5 杜宇慧;桂志國(guó);劉迎軍;陳芳芳;;基于獨(dú)立成分分析的腦功能網(wǎng)絡(luò)分析方法綜述[J];生物物理學(xué)報(bào);2013年04期

6 鄒益民;汪渤;;一種基于獨(dú)立成分分析的滾轉(zhuǎn)彈姿態(tài)解算[J];系統(tǒng)工程與電子技術(shù);2008年07期

7 彭中亞;程國(guó)建;曹慶年;;結(jié)合獨(dú)立成分分析和核向量機(jī)進(jìn)行人臉識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2009年25期

8 楊萬(wàn)扣;王建國(guó);任明武;楊靜宇;;基于分塊獨(dú)立成分分析的人臉識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2008年01期

9 楊穎嫻;;應(yīng)用小波包和獨(dú)立成分分析的人臉識(shí)別[J];電腦知識(shí)與技術(shù);2012年08期

10 葛曉霞;繆國(guó)鈞;畢小龍;徐治皋;;基于獨(dú)立成分分析的火電廠數(shù)據(jù)重構(gòu)方法[J];華東電力;2012年06期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 王桂安;余先川;方李根;張婷;;獨(dú)立成分分析研究綜述[A];第七屆全國(guó)數(shù)學(xué)地質(zhì)與地學(xué)信息學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

2 李杰;高大啟;;線性與非線性主成分分析和獨(dú)立成分分析數(shù)據(jù)降維的比較[A];2006北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)——通信與信息技術(shù)會(huì)議論文集（下）[C];2006年

3 王桂安;余先川;方李根;張婷;;快速獨(dú)立成分分析及其在礦產(chǎn)預(yù)測(cè)中的應(yīng)用[A];第七屆全國(guó)數(shù)學(xué)地質(zhì)與地學(xué)信息學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

4 吳新杰;王鳳翔;;基于獨(dú)立成分分析處理兩相流信號(hào)的方法[A];全面建設(shè)小康社會(huì)：中國(guó)科技工作者的歷史責(zé)任——中國(guó)科協(xié)2003年學(xué)術(shù)年會(huì)論文集（上）[C];2003年

5 李強(qiáng)偉;;獨(dú)立成分分析及其在兩相流信號(hào)處理中的應(yīng)用[A];第二十七屆中國(guó)控制會(huì)議論文集[C];2008年

6 劉文思;耿艷峰;趙丹;于光金;張?jiān)蕦?姜威;;ICA技術(shù)在兩相流檢測(cè)中的應(yīng)用研究[A];第十五屆中國(guó)海洋（岸）工程學(xué)術(shù)討論會(huì)論文集(中)[C];2011年

7 許海翔;叢豐裕;雷菊陽(yáng);史習(xí)智;;時(shí)頻域非參數(shù)密度估計(jì)的獨(dú)立成分分析[A];第十二屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

8 吳新杰;陳躍寧;石玉珠;蔣秋莉;;空間濾波和獨(dú)立成分分析在速度測(cè)量中的應(yīng)用[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

9 謝元芳;張正國(guó);;兩導(dǎo)心電信號(hào)的獨(dú)立成分分析[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)第六次會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文摘要匯編[C];2004年

10 張玉潔;王法松;李宏偉;;基于ICA的AR序列疊加過(guò)程的分解與復(fù)原[A];第十二屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前7條

1 楊s

本文編號(hào)：256477