《信息科学技术学术著作丛书》序
前言
第1章 导论
1.1 盲源分离概述
1.2 盲源分离的发展历史
1.3 盲源分离应用
1.4 本书结构与章节安排
参考文献
第一部分 盲源分离基础
第2章 盲源分离的数学基础
2.1 矩阵分析与运算
2.1.1 行列式及其性质
2.1.2 矩阵的相关概念
2.1.3 矩阵运算公式
2.2 概率论基础——高阶统计量
2.3 信息论基本概念
2.4 距离测度
2.5 信号盲源分离问题的可解性
参考文献
第3章 盲源分离的基础模型及经典算法
3.1 数学模型
3.2 盲源分离算法
参考文献
第4章 盲源分离的算法评价标准
4.1 目标函数评价标准
4.2 相关性评价标准
4.3 信噪比评价标准
参考文献
第二部分 盲源分离的杨心算法独立成分分析算法与应用
第5章 独立成分分析
5.1 ICA概述
5.2 ICA的原理
5.3 本章小结
参考文献
第6章 快速独立成分分析算法与应用
6.1 概述
6.2 FastICA算法
6.3 应用与分析
6.4 本章小结
参考文献
第7章 极大似然独立成分分析算法与应用
7.1 概述
7.2 极大似然ICA算法
7.3 应用与分析
7.4 本章小结
参考文献
第8章 过完备独立成分分析算法与应用
8.1 过完备ICA算法
8.2 应用与分析
8.3 本章小结
参考文献
第9章 核心独立成分分析算法与应用
9.1 KICA算法
9.2 应用与分析
9.3 本章小结
参考文献
第10章 自然梯度Flexible ICA算法与应用
10.1 自然梯度Flexible ICA算法
10.2 应用与分析
10.3 本章小结
参考文献
第11章 非负独立成分分析算法与应用
11.1 非负ICA算法
11.2 应用与分析
11.3 本章小结
参考文献
第12章 约束独立成分分析算法与应用
12.1 概述
12.2 CICA算法
12.3 应用与分析
12.4 本章小结
参考文献
第13章 优化独立成分分析算法与应用
13.1 概述
13.2 优化ICA算法
13.3 应用与分析
13.4 本章小结
参考文献
第三部分 盲源分离的前沿算法与应用
第14章 稀疏成分分析算法与应用
14.1 概述
14.2 SCA的基础算法
14.3 基于线性聚类的稀疏成分分析(LCSCA)
14.4 基于平面聚类的稀疏成分分析(PC-SCA)
14.5 基于平面聚类的过完备稀疏成分分析(PCO-SCA)
14.6 基于小波变换和稀疏成分分析(WL-SCA)的图像盲分离
14.7 基于SCA的遥感影像分类
14.8 本章小结
参考文献
第15章 非负矩阵分解算法与应用
15.1 概述
15.2 NMF算法
15.3 应用与分析
本章小结
参考文献
彩图
展开