(图片仅供参考)
查看付款方式 了解购物流程 |
《独立成分分析》 |
| 编 号： 188107 |
| 著 作 者： （芬）海韦里恩等著 |
| 出 版 社：
电子工业出版社
|
| 书 号： 9787121042935 |
|
| 出版日期： 2007-6-1 |
市 场 价： ￥49 元 |
| 书 店 价： ￥44.1 元 |
| 立即节省： ￥4.9 元 |
| 人 气： |
|
|
咨询电话：029-62602241
/62602242/62602243 转
8000/8001/8002/8003/8004
到款传真：029-82086768
团购批发：029-86698115
支付方式：
其他支付方式
|
内容简介
内容简介独立成分
分析(ICA)已经成为近年来神经网络、高级统计学和
信号处理等研究领域中最令人振奋的主题之一。ICA源自对客观
物理世界的抽象，它能够有效地解决许多实际问题，具有强大的生命力和广阔的工程应用前景。本书(
英文原版)是国际上第一本对ICA这门新
技术进行全面介绍的综合性专著，其中还包括了为理解和使用该技术的相应
数学基础背景
材料。本书不仅介绍了ICA的基本知识与总体概况、给出了重要的求解过程及算法，而且还涵盖了图像处理、
无线通信、音频
信号处理以及更多其他应用。
全书分为四个部分，共24章。第一部分（第2章至第6章）介绍了本书所用到的主要数学知识，第二部分（第7章至第14章）是本书的重点，详细讲述了基本ICA模型及其求解过程，第三部分（第15章至第20章）讨论了基本ICA模型的多种扩展形式，第四部分（第21章至第24章）对ICA方法在不同领域的应用做了生动的阐述。
本书可作为不同工程应用领域的大学教师、研究生和科技工作者的ICA入门
教材；而对于探索ICA技术的专业研究人员来说，本书也是一本极有价值的参考书。
图书目录第1章引论1.1多元数据的线性表示1.2盲源分离1.3独立成分分析1.4ICA的历史第一部分数学预备知识第2章随机向量和独立性2.1概率分布和概率密度2.2期望和矩2.3不相关性和独立性2.4条件密度和贝叶斯法则2.5多元高斯密度2.6变换的密度2.7高阶统计量2.8随机过程*2.9小结与文献引述
习题计算机练习第3章梯度和最优化方法3.1向量和矩阵梯度3.2无约束优化和学习规则3.3约束优化的学习规则3.4小结与文献引述习题计算机练习第4章估计
理论4.1基本概念4.2估计器的性质4.3矩方法4.4最小二乘估计4.5极大似然法4.6贝叶斯估计*4.7小结与文献引述习题计算机练习第5章信息论5.1熵5.2互信息5.3极大熵5.4负熵5.5通过累积量逼近熵5.6用非多项式函数近似熵5.7小结与文献引述习题计算机练习本章附录:有关证明第6章主成分分析和白化6.1主成分6.2在线学习的PCA6.3因子分析6.4白化6.5正交化6.6小结与文献引述习题第二部分独立成分分析基本模型第7章什么是独立成分分析7.1动机7.2独立成分分析的定义7.3ICA的实例7.4ICA比白化更加强大7.5高斯变量为何不能适用7.6小结与文献引述习题计算机练习第8章极大化非高斯性的ICA估计方法8.1非高斯就是独立的8.2用峭度来度量非高斯性8.3用负熵度量非高斯性8.4估计多个独立成分8.5ICA与投影寻踪8.6小结与文献引述习题计算机练习本章附录:有关证明第9章ICA的极大似然估计方法9.1ICA模型中的似然度9.2极大似然估计算法9.3信息极大原理9.4例子9.5小结与文献引述习题计算机练习本章附录:有关证明第10章极小化互信息的ICA估计方法10.1用互信息定义ICA10.2互信息和非高斯性10.3互信息和似然估计10.4极小化互信息的算法10.5例子10.6小结与文献引述习题计算机练习第11章基于张量的ICA估计方法11.1累积张量的定义11.2由张量特征值得到独立成分11.3用幂法计算张量分解11.4特征矩阵的联合近似对角化11.5加权相关矩阵方法11.6小结与文献引述习题计算机练习第12章基于非线性去相关和非线性PCA的ICA估计方法12.1非线性相关和独立性12.2HéraultJutten算法12.3CichockiUnbenauen算法12.4估计函数方法*12.5通过独立性的等变自适应分离(EASI)12.6非线性主成分12.7非线性PCA指标和ICA12.8非线性PCA指标的学习规则12.9小结与文献引述习题第13章实际的考虑13.1时间滤波作为预处理13.2用PCA进行预处理13.3应该估计多少个成分13.4算法选择13.5小结与文献引述习题计算机练习第14章基本ICA方法的综述和比较14.1目标函数和算法14.2ICA估计原理的联系14.3统计最优非线性函数14.4ICA算法的实验比较14.5参考文献14.6基本ICA方法小结本章附录:有关证明第三部分ICA的扩展及其相关方法第15章有噪声的ICA模型15.1定义15.2传感器噪声和信号源噪声15.3噪声成分数目较少的情况15.4混合矩阵的估计15.5估计无噪声的独立成分15.6通过稀疏编码收缩而去噪15.7小结第16章具有超完备基的ICA模型16.1独立成分的估计16.2估计混合矩阵16.3小结第17章非线性ICA17.1非线性ICA与BSS17.2后非线性混合的分离17.3采用自组织映射的非线性BSS17.4非线性BSS的一种生成拓扑映射方法*17.5非线性BSS的一种集成学习方法17.6其他方法17.7小结第18章使用时间结构的方法......
其他说明
595千字
354
16开
第一发货地
北京朝阳区
相关书籍
