独立成分分析

摘要： 目的:探讨多巴胺D4受体(DRD4)基因第3外显子48 bp的二次重复等位基因型(2R)影响注意缺陷多动障碍(ADHD)患儿视觉功能网络的连接强度变化,及其与临床症状的关联性分析。方法:根据DRD4基因型分为62例2R非携带者组和41例2R携带者组,以视听整合持续性操作测验评估患儿的持续注意和反应控制的视觉水平,以SNAP-IV量表评估患儿的症状严重程度。并运用数据驱动的全脑分析-独立成分分析方法分离出三个视觉功能相关的脑网络,进行组内分析和组间分析。结果:2R携带者的外侧视觉网络右侧颞枕叶表现为功能连接趋于增强,而右侧中央前回连接下降,右侧扣带回前部连接趋于下降;2R携带者的内侧视觉网络右侧枕上回连接趋于增强,左侧小脑上部连接趋于下降。在右侧颞枕叶,SNAP注意不集中评分与2R携带者的功能连接强度呈正相关(r=0.339,P=0.037),与2R非携带者呈负相关(r=-0.308,P=0.016)。结论:从基因-脑-行为的研究过程中发现DRD42R基因可能通过介导视觉网络变化模式促进ADHD注意缺陷症状的发展。

摘要： 针对船舶系统在复杂电磁环境下设备电磁辐射的多通道欠定盲源分离问题,提出了一种基于小波分解(Wavelet Decomposition,WD)、相关性筛选以及独立成分分析(Independent Component Analysis,ICA)的多通道盲电磁辐射现场同步分离方法(Wavelet Independent Component Analysis,WICA).该方法采用小波分解,构造出虚拟通道,然后通过相关性筛选有效分量,最终利用ICA得到设备电磁辐射源信号.此方法不仅解决了欠定盲源分离问题,而且通过相关性筛选提高了ICA的有效性.本文以互相关系数(Cross Correlation Coefficient,CRC)和相干性(coherence)作为实船试验数据的度量指标,通过与(Ensemble Empirical Mode Decomposition-Independent Component Analysis,EEMDICA)算法和常规ICA算法的比较,验证了WICA算法在实际应用中的有效性.此方法可推广至航天、国防领域等系统级平台复杂电磁环境的现场测试,具有较高的实用价值.

摘要： 偏头痛是一种严重危害人类健康的脑疾病,其中无先兆偏头痛在临床中占比最多且诊断困难。当前无先兆偏头痛辅助诊断算法研究中,基于机器学习的脑影像功能连接分析方法是最主要的研究方向。由于此类方法多依赖于预定义的脑图谱模板,受模板选择主观因素及分类器性能影响,现有方法的智能化程度和准确率较低,难以满足临床及研究需求。基于设计的新型3D-CNN技术,提出了一种无先兆偏头痛智能辅助诊断算法MwoA3D-Net(3D convolutional neural network based diagnosis of migraine without aura)。该算法采用组信息指导的独立成分分析方法,生成被试的静息态脑网络,并以此作为输入训练MwoA3D-Net,实现对无先兆偏头痛患者与健康对照的自动诊断,可避免因先验模板不同导致的结果差异。在算法设计中引入3D数据增强、L1和L2正则化等一系列优化策略,可有效防止过拟合现象的发生。在60名无先兆偏头痛和65名健康被试数据集上的实验结果表明,MwoA3DNet的平均诊断准确率为98.40%,鲁棒性较高,且所选静息态脑功能网络均具有较强的辨识性,可作为无先兆偏头痛的潜在生物标志物用于个体化诊断。

摘要： 拉曼光谱具有非接触、非破坏性、低成本、高通量优势,受到了多组分体系分析的关注。独立成分分析(ICA)既是多元统计方法,也是盲分离方法,可以无需先验知识,只需通过测量到的混合光谱就能解出体系中各组分的估计源光谱。但是当源光谱间存在显著重叠时,ICA分离结果不可靠。本文提出了一种通过对体系光谱求导、ICA分离,逐级剔除分量后再分离的改进ICA定性分析算法(Derivation,Separation,Cullingand Separation,DSCS-ICA),分离得到源光谱的近似估计,实现体系定性分析,解决了因光谱重叠导致的现有的ICA算法分离性能差的问题。依照布洛芬胶囊配方,配制了布洛芬、硬脂酸、聚乙烯吡咯烷酮K30、淀粉和蔗糖五种组分不同比例混合的12份布洛芬胶囊样本,并采集其拉曼光谱数据;采用DSCS-ICA法解出分量(IC_(S)),并将IC_(S)与源光谱进行比较,以相关系数r来判断IC_(S)与源光谱的一致性。结果表明:与FastICA相比,DSCS-ICA效果显著改善,IC_(S)与源光谱对应的相关系数r达到了0.99以上,结果具有良好的可靠性和对应性。本案例可为药物处方成分的反向研究提供参考,并可推广应用于其他多组分体系的定性分析。

摘要： 针对旋转机械前期故障信号微弱、易被噪声淹没、故障特征难以提取的问题,提出一种聚合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和独立成分分析(Independent Component Analysis,ICA)相结合的故障特征提取方法。首先,运用EEMD理论将振动信号分解为一系列的固有模态函数(Intrinsic Mode Function,IMF),然后根据相关系数和均方根准则选取含有原始信号多的IMF分量构造观测信号,引入虚拟噪声通道;最后,通过FastICA算法将噪声与故障特征信号进行分离,并对分离出的有用信号进行频谱分析,突显故障频率。通过仿真信号验证所提出方法的有效性,并将其应用于轴承的内外圈故障识别,与传统的EEMD-WTD降噪方法对比,结果表明:所提出的方法能提取出清晰微弱故障特征信号,对低频噪声的抑制效果明显优于EEMD-WTD方法。

摘要： 卒中是危害中老年健康和生命的主要疾病之一,多伴随运动功能障碍、言语障碍及认知障碍等,严重影响其预后及生活质量。ICA作为一种盲源分离技术,近年来常用于脑血管病的脑网络分析,通过分析多维观测数据间的高阶相关性,在源信号和混合矩阵均未知的情况下,找出相互独立的隐含信息成分,完成独立源信号的提取,为卒中患者的脑网络损伤提供了更有力客观的神经影像学方法。本文总结近年来ICA在卒中后偏瘫、言语障碍、认知障碍等方面的研究进展,而卒中患者功能异常往往有着脑网络水平的损伤的致病原因,后续康复和临床研究需要多加考虑相应的因素。

摘要： 脑电信号幅值微弱且信噪比低易受到多种伪迹影响。其中,眼电伪迹幅值高、随机性强,常使脑电信号产生明显畸变,对信号的后续分析将产生极大的影响。传统伪迹去除方法难以精确定位伪迹成分,导致过多有效信息丢失。针对上述问题,该文提出一种基于数据驱动的自适应伪迹定位和去除方法。该方法将局部密度引入独立成分分析(ICA)并通过聚类分析自适应估计辨识脑电和噪声成分的阈值,最终实现了眼电伪迹的精准定位和去除。通过仿真和真实实验,该文对比了所提方法与传统伪迹去除方法在峰值信噪比、均方误差、互信息等量化指标下的性能差异,并通过统计检验揭示了所提方法相比于其他方法在信号恢复方面的显著性优势。

摘要： 目的从宏观功能网络的角度分析太极拳不同于一般有氧锻炼对老年女性功能网络的影响。方法筛选60岁以上的具有一定锻炼经验的老年女性共33名,按照运动方式分为太极拳组和步行组进行24周的运动干预,在干预前后采集两组的静息态磁共振数据。采用认知心理测量工具评估被试总体认知以及延时回忆等行为能力,结合基于独立成分分析的影像学分析方法对两组24周干预前后的脑功能网络变化进行分析。结果与结论太极拳在延迟回忆方面显著优于步行组;24周锻炼后,太极拳组和步行组在默认网络和感觉运动网络激活水平有显著差异,具体表现为太极拳组海马区域激活水平增强,楔前叶/中央后回激活水平减弱。

摘要： 目的:探索偏头痛患者脑功能改变与焦虑情绪的相关性。方法:纳入20例无先兆偏头痛患者为偏头痛组,另选择20例健康志愿者为对照组,2组均行静息态fMRI扫描。利用GIFT V3.0b软件对2组静息态fMRI数据行独立成分分析,确定执行控制网络(ECN)后采用REST V1.8软件分析2组ECN差异脑区。以差异脑区为ROI提取局部一致性(ReHo)值,计算ReHo值与焦虑自评量表(SAS)评分的相关性。结果:偏头痛组右侧小脑扁桃体、左侧小脑后叶、右侧小脑后叶、右侧楔叶视觉联合皮质ReHo值下降,右侧额中回、右侧尾状核体部、右侧额上回额极、左侧额上回ReHo值升高;相关性分析显示,右侧小脑后叶ReHo值与SAS评分呈正相关(r=0.327,P=0.039)。结论:偏头痛患者存在脑功能异常改变,且脑功能改变与偏头痛患者的焦虑情绪相关。

摘要： 转子式空调压缩机摩擦噪声主要来源于其内部相互接触的各个运动副。为识别转子式空调压缩机摩擦噪声的来源,通过销盘实验测定曲轴与上下法兰组成的系统中不同摩擦副的摩擦因数,拟合得到摩擦-速度负斜率曲线;建立曲轴法兰系统的有限元模型,以摩擦-速度负斜率曲线加载,提取其复特征值和等效阻尼比,初步分析摩擦噪声可能发生的频率。对实际采集的压缩机噪声信号进行EMD-FastICA分析,提取出摩擦噪声的频率来印证初步猜想。为预测系统摩擦噪声的发生趋势,试调整动摩擦因数和静摩擦因数,以不同的摩擦-速度负斜率曲线对曲轴法兰模型进行加载,分析摩擦因数对噪声发生的影响。结果表明:在曲轴法兰系统中,摩擦噪声来源为曲轴下止推部的止推面与下法兰上端面的摩擦自激振动;对于止推面-下法兰运动副,减小摩擦力-速度负斜率中的静摩擦因数和滑动摩擦因数均有助于抑制摩擦噪声的产生。

摘要： 本文提出采用独立成分分析(Independent Component Analysis,ICA)的方法对头相关传输函数HRTF进行分解和重构.以中垂面为例,对25个方向的KEMAR HRTF进行了ICA分析.计算结果表明:重构误差随着重构阶数的增大而逐步降低;对于中垂面大多数方向,6阶ICA重构的谱失真不大于2dB.

摘要： 犯罪现场指纹采集的传统方法是使用物理或化学手段直接作用于指纹载体,不但耗时长、容易损害指纹形状,且采集过程不可复现.高光谱成像技术以非接触方式获取指纹信息,可多次稳定成像,其获取的图像具有光谱分辨率极高的特点,为分离指纹和各种类型背景提供了有利条件.本文提出了一种基于独立成分分析的高光谱图像指纹信息提取方法.首先利用主成分分析方法估计出图像中的独立信号个数;然后利用估计出的独立信号个数对高光谱指纹图像进行独立成分分析变换,并对得到的图像按照峭度绝对值进行排序,将具有最大峭度绝对值的分解图像作为指纹图像.实验证明,本文方法可以有效地提取不同背景分布特点的指纹信息,指纹形状十分完整,提取精度优于主成分分析、非负矩阵分解、约束能力最小化等方法.

摘要： 随着科学的发展,人们对"吸烟与健康"问题的认识也逐步加强,世界卫生组织从开始的广泛宣传"吸烟有害健康",逐步发展到集中专门力量,开展全球范围的控烟工作,《烟草控制框架公约》就是控烟工作的产物.在大量的研究论文中,美国科学家霍夫曼等发表的关于卷烟烟气中44中有害成分的确定,即著名的霍夫曼名单,对当今降低卷烟有害成分的研究起到了较大推动作用.其主要化学成分包括烟气中的气相物质、粒相物质、焦油、半挥发性成分.目前人们对烟气的主要化学成分作了定性和定量分析,不同的化学成分所用的分析方法不同,本文对其不同的化学成分对应的分析方法作了详细的介绍,着重阐述了组信息指导的独立成分分析方法,并对分析方法的未来发展方向进行了展望.

摘要： 多块策略被广泛运用于全流程过程监控领域,以解决全流程过程变量关系复杂性较高的问题,但传统的分块方法得到的子块数据存在着高斯与非高斯混合分布的问题,影响了过程监控的效果,为此本文提出了一种基于多块MICA-PCA的过程监控方法.首先采用Jarque-Bera(J-B)检测方法对原始数据进行高斯与非高斯分块,接着采用Hellinger距离(HD)方法得到高斯与非高斯子块.分别用改进的独立成分分析(MICA)方法与MICA-PCA方法得到非高斯与高斯子块的统计量,通过加权方法得到总的联合指标进行故障检测.同时对高斯与非高斯子块采用不同的故障诊断方法,提高了诊断效果.最后将该方法应用在田纳西-伊斯曼(TE)过程的过程监控中,证明了该方法的有效性.

摘要： 期现套利是指利用股票现货和股指期货价格差距超出正常范围而进行买卖操作的一种统计套利方法.本文对股票现货的选择采用独立成分分析和K-均值聚类方法,优化复制沪深300指数.经过对1000次随机选股结果的分析验证了本文模型的可取之处,同时也证实了套利机会与套利收益具有正相关关系;在本文模型聚类结果的前提下,若对选股条件稍加改进,套利收益则会成倍的增加.

摘要： 相比辐射电磁干扰信号,传导电磁干扰混合信号的分离是一种特殊的单通道盲源分离SC-BSS(Single channel blind source separation)情况.现有的SC-BSS算法主要针对生物信号、机械振动等低频信号,对高频的电磁干扰信号分离效果差.本文提出一种针对传导电磁干扰混合信号的SC-BSS算法,首先使用不同频率特性的滤波器构造多路耦合通道,将单通道问题转化为适定的盲源分离问题,然后采用高阶统计量HOS(Higher Order Statistic)判断干扰源数目,最后使用频域快速独立成分分析FastICA算法恢复出独立干扰源信号.仿真与实测结果表明,该算法对传导电磁干扰混合信号有较好的分离效果.

摘要： 高光谱遥感通过航空或航天成像光谱仪获得地物的连续光谱信息,可探测到普通遥感不能探测到的物质.而独立成分分析技术是一种基于信号高阶统计特性的分析方法,在利用该方法进行高光谱数据处理时,将待识别的地物作为独立成分表示出来,可得到地物之间的分离度最大化.通过对高光谱遥感图像数据的特性进行分析,使用USGS光谱库中的矿物光谱作为端元信号,构造模拟的高光谱遥感图像,证明了快速定点学习算法在高光谱遥感矿物蚀变信息提取中的有效性.

摘要： 设计了一种电视背景环境下的非特定人语音控制命令识别系统，包括基于隐马尔可夫模型的孤立词识别子系统和基于扩展信息最大化(Infomax)独立成分分析算法的语音分离子系统。本语音识别系统的语音库包括8 400个电视机转台控制命令的语音数据。在无噪环境下对特定语音命令的识别率可达93.2%，正常电视背景环境下的识别率降至49.0%，对电视背景下通过分离后的语音命令识别率可达85.8%。

摘要： 本文提出采用高维投影空间多切面分类方法改进独立成份(ICA)与支持向量机(SVM)集成诊断方法。在高维独立成份特征空间中采用多切面分类方法在不同切面上分别建立二叉树SVM故障分类模型，通过分析故障在不同切面的分类情况进行故障根源定位，提高SVM分类速度和精度,从而改进ICA-SVM集成故障诊断性能。针对动态执行器基准平台(DAMADICS)19种阀门故障模式,对多切面改进ICA-SVM集成故障诊断方法进行仿真验证，对比改进前后两种方法的仿真结果表明,多切面ICA-SVM有效地提高了故障诊断精度。

摘要： 本文提出采用高维投影空间多切面分类方法改进独立成份(ICA)与支持向量机(SVM)集成诊断方法。在高维独立成份特征空间中采用多切面分类方法在不同切面上分别建立二叉树SVM故障分类模型，通过分析故障在不同切面的分类情况进行故障根源定位，提高SVM分类速度和精度,从而改进ICA-SVM集成故障诊断性能。针对动态执行器基准平台(DAMADICS)19种阀门故障模式,对多切面改进ICA-SVM集成故障诊断方法进行仿真验证，对比改进前后两种方法的仿真结果表明,多切面ICA-SVM有效地提高了故障诊断精度。

摘要： 一种结合ICA与移不变CPD的多被试fMRI数据分析方法，属于医学信号处理领域。采用以CPD为中心，以ICA为预处理环节的主辅结合方式；ICA预处理为移不变CPD提供联合混合矩阵；移不变CPD采用秩一估计方法，从联合混合矩阵中逐一分解出多被试共享TC、与共享TC相对应的各被试时延以及各被试强度；利用移不变CPD的输出重构联合混合矩阵，采用最小二乘法估计多被试共享SM。本发明能够对多被试任务态fMRI数据进行稳定而更为有效的分析，而且当被试间SM差异性和TC差异性较大时，优势更为明显，所估计的共享SM成分和共享TC成分与先验参考信号有着更高的相关性，TC大时延的估计精度高，且计算量小。

摘要： 本发明涉及一种频谱匹配独立成分分析方法及系统，方法包括：获取MEG系统所采集到的被试者数据中单个频带内的噪声功率Ba参数的具体值、单个频带内的源功率Aa参数的具体值、被试者数据频域内的噪声项的频谱协方差矩阵和被试者数据频域内q个独立源频谱协方差矩阵的加性混合矩阵M的具体值；基于MEG系统所采集到的被试者数据中单个频带内的噪声功率Ba参数的具体值、单个频带内的源功率Aa参数的具体值、被试者数据频域内的噪声项的频谱协方差矩阵和被试者数据频域内q个独立源频谱协方差矩阵的加性混合矩阵M的具体值，获取该MEG系统所采集到的被试者数据中预先设定的频带内的进行滤波的信号矩阵Xa中的源信号。

摘要： 本发明公开一种基于混合独立成分分析算法的工业过程监测方法，旨在提出一种混合独立成分分析算法，并利用该算法实施非高斯过程监测。具体来讲，本发明方法首先利用粒子群优化算法逐个提取训练数据中潜藏的非高斯分布的独立成分信息，其次对剩余的高斯分布信息，利用时间序列相关的主成分分析算法进一步提取时间序列独立成分，最后利用这些提取的独立成分实施非高斯过程监测。与传统方法相比，本发明方法使用粒子群优化算法优化求解非高斯分布的独立成分，保证了求解过程中的全局最优性。其次，本发明方法对服从高斯分布的独立成分进行深入挖掘，考虑到了时间序列上的二阶相关性。可以说，本发明方法是一种更为优选的非高斯过程监测方法。

摘要： 本发明公开一种基于多块独立成分分析算法的分布式过程监测方法，旨在提出一种新颖的多块独立成分分析算法，并利用该算法实施分布式的非高斯过程监测，从而可在建模的过程中同时考虑各子块的独特性与子块之间的整体性。本发明方法在实施多块建模的过程中，不是简单地为各个子块提取得分向量，而是从整体至局部子块，再由局部子块至整体的相互交错的逐个提取策略。因此，本发明方法提出的这种新颖的多块独立成分分析算法不仅考虑了各子块的独特性，而且还考虑到了全局的整体性。因此，本发明方法是一种全新的分布式非高斯过程监测方法。此外，具体实施案例中将会验证本发明方法的优越性，从而说明本发明方法是一种更为优选的非高斯过程监测方法。

摘要： 本发明公开了一种基于独立成分分析和稀疏去噪自编码器的汽车传感器故障检测方法。该方法首先使用独立成分分析获得过程数据中的非高斯信息，得到独立成分分量，使用稀疏去噪自编码器提取主要独立成分计算I2指标；在残差空间使用稀疏去噪自编码器获得运行数据的高斯信息计算H2指标。最后使用故障误报率（FAR）和误检率(MDR)指标分析故障检测效果。相比于其他方法，本发明通过将独立成分分析和稀疏降噪自编码器结合，在非高斯部分使用稀疏去噪自编码器提取主元，去除不必要信号的干扰；在残差空间使用稀疏去噪自编码器提取数据中的高斯信息，提高过程监控系统的鲁棒性，增强对非线性数据的处理能力，提高故障诊断的准确率。

摘要： 本发明公开了一种基于独立成分分析的HOA信号压缩方法，其步骤包括：1)对待处理的目标HOA信号进行分帧，然后使用独立成分分析算法ICA对分帧之后的每一帧信号进行分解；2)根据所有帧的主成分构成传输通道中的前景信号，根据ICA得到的每一帧的mixing矩阵W

摘要： 本发明涉及一种基于独立成分分析的高光谱波段选择评价方法，该方法的一个具体实施方式包括：针对经过波段选择之后的、待评价的高光谱图像，确定所述高光谱图像中的多个独立成分信息；计算每一独立成分信息的偏度及峰度组合统计量，将所述偏度及峰度组合统计量大于预设阈值的独立成分信息确定为所述高光谱图像的目标独立成分信息；依据所述目标独立成分信息在所述多个独立成分信息中的占比判断所述波段选择的精确程度。该实施方式能够准确评价高光谱图像波段选择的精确程度。

摘要： 本发明公开了一种基于遗传算法和快速独立成分分析的脑电波信号分离方法，包括对脑电波信号数据进行预处理，使用粒子群算法(PSO)来改进遗传算法从而构建FASTICA算法的初始矩阵W，通过FASTICA算法对含噪声的脑电波盲源信号进行信号分离。本发明充分利用遗传算法和粒子群算法的快速收敛，结合FASTICA对盲源信号的快速分离结的优点，对脑电波信号进行信号分离，解决以往FASTICA使用随机初始矩阵的复杂度和收敛速度慢的问题，进一步提高对处理信号分离问题的工作人员的工作效率，减少工作人员的工作时间，有效的将噪声信号从盲源信号中提取出来并提高脑电波盲源信号分离的准确率。

摘要： 本发明涉及一种频谱匹配独立成分分析方法及系统，方法包括：获取MEG系统所采集到的被试者数据中单个频带内的噪声功率Ba参数的具体值、单个频带内的源功率Aa参数的具体值、被试者数据频域内的噪声项的频谱协方差矩阵和被试者数据频域内q个独立源频谱协方差矩阵的加性混合矩阵M的具体值；基于MEG系统所采集到的被试者数据中单个频带内的噪声功率Ba参数的具体值、单个频带内的源功率Aa参数的具体值、被试者数据频域内的噪声项的频谱协方差矩阵和被试者数据频域内q个独立源频谱协方差矩阵的加性混合矩阵M的具体值，获取该MEG系统所采集到的被试者数据中预先设定的频带内的进行滤波的信号矩阵Xa中的源信号。

摘要： 本申请涉及一种基于独立成分分析方法的APT攻击判定方法、系统及存储介质，方法包括如下步骤：所述独立成分分析方法的APT攻击判定方法包括如下步骤：定义创建APT攻击特征规则语法，利用样本构建APT攻击场景特征知识库；收集实时混合流量；使用独立成分分析方法对混合流量分离出具有APT攻击特征的流量；分析具有APT攻击特征的流量和APT攻击场景特征知识库里面的样本进行对比，判断是否有攻击行为。本发明通过独立成分分析方法，将对混合流量分离出具有APT攻击特征的流量，分析其潜在攻击特征，逐步判定APT攻击，不仅解决了现时代大数据量的问题，而且提升了判别精度，减少了冗余信息。