Questions tagged «ica»


2
了解独立成分分析
我已经看到并喜欢了“ 使主成分分析有意义”这个问题,现在对于独立成分分析也有相同的问题。我的意思是我想对理解ICA的直观方式提出一个全面的问题? 我想了解。我想达到目的。我想得到它的感觉。我坚信: 除非您可以向祖母解释,否则您并不会真正理解。 - 艾尔伯特爱因斯坦 好吧,我无法向外行或奶奶解释这个概念 为什么选择ICA?这个概念有什么需要? 您将如何向外行解释?
18 intuition  ica 

1
盲源分离凸混合物?
假设我有独立的源并且观察到凸混合: X 1,X 2,。。。,X n m Y 1ñnnX1个,X2,。。。,XñX1,X2,...,XnX_1, X_2, ..., X_n米mmÿ1个。。。ÿ米= 一个11X1个+ 一个12X2+ ⋯ + 一个1 nXñ= 一个1 米X1个+ 一个2 米X2+ ⋯ + 一个米ñXñY1=a11X1+a12X2+⋯+a1nXn...Ym=am1X1+am2X2+⋯+amnXn\begin{align} Y_1 &= a_{11}X_1 + a_{12}X_2 + \cdots + a_{1n}X_n\\ ...&\\ Y_m &= a_{m1}X_1 + a_{m2}X_2 + \cdots + a_{mn}X_n \end{align} 对于所有,,对于所有,。∑Ĵ一种我Ĵ= 1∑jaij=1\sum_j a_{ij} = 1一世ii一种我Ĵ≥ 0aij≥0a_{ij} …
18 pca  ica 

2
如何选择用于独立成分分析的成分数量?
由于缺乏对“独立组件分析”中要请求的组件数量的先验猜测,我希望实现选择过程的自动化。我认为,合理的标准可能是使计算出的各个成分之间相关性的全球证据最小化的数字。这是这种方法的伪代码: for each candidate number of components, n: run ICA specifying n as requested number of components for each pair (c1,c2) of resulting components: compute a model, m1: lm(c1 ~ 1) compute a model, m2: lm(c1 ~ c2) compute log likelihood ratio ( AIC(m2)-AIC(m1) ) representing the relative likelihood of …
11 ica 

3
PCA,ICA和Laplacian特征图
题 我对拉普拉斯特征图方法非常感兴趣。目前,我正在使用它来缩小我的医疗数据集的尺寸。 但是,使用该方法遇到了问题。 例如,我有一些数据(光谱信号),并且可以使用PCA(或ICA)来获取一些PC(或IC)。问题是如何使用LE获得原始数据的类似降维分量? 根据拉普拉斯特征图方法,我们需要解决广义特征值问题,即 Ly=λDyLy=λDyL y = \lambda D y 此处yyy是特征向量。如果我绘制例如前3个特征向量(根据3个特征值的解),结果将无法解释。 但是,当我绘制前3个PC和前3个IC时,结果似乎总是(直观地)代表原始数据xxx。 我认为原因是因为矩阵LLL由权重矩阵(邻接矩阵WWW)定义,并且数据xxx已与热核拟合以创建WWW,这是使用指数函数。我的问题是如何检索xxx的简化分量(而不是矩阵L的特征向量yyy)?LLL 数据 我的数据集受到限制,并且不容易演示该问题。在这里,我创建了一个玩具问题,以显示我的意思和想要问的问题。 请看图片 首先,我创建了一些以红色曲线显示的正弦波A,B,C(图的第一列)。A,B和C具有1000个样本,换句话说,保存在1x1000向量中。 其次,我使用随机创建的线性组合(例如混合源A,B,,其中是随机值。混合信号处于非常高的维空间中,例如,,1517是随机选择的高维空间。我仅以绿色曲线显示信号M的前三行(该图的第二列)。M=r1∗A+r2∗B+r3∗CM=r1∗A+r2∗B+r3∗CM = r_1*A + r_2*B + r_3*Cr1,r2,r3r1,r2,r3r_1, r_2, r_3MMMM∈R1517×1000M∈R1517×1000M \in R^{1517\times1000} 接下来,我运行PCA,ICA和Laplacian特征图以获取降维结果。我选择使用3台PC,3个IC和3个LE进行公平比较(蓝色曲线分别显示为该图的第3列,第4列和最后一列)。 从PCA和ICA的结果(图的第3列,第4列),我们可以将结果解释为某种尺寸的减小,即,对于ICA结果,我们可以通过恢复混合信号(我不确定我们是否也可以通过PCA结果获得,但结果对我来说似乎很合适)。M=b1∗IC1+b2∗IC2+b3∗IC3M=b1∗IC1+b2∗IC2+b3∗IC3M = b_1*IC1 + b_2*IC2 + b_3*IC3M=a1∗PC1+a2∗PC2+a3∗PC3M=a1∗PC1+a2∗PC2+a3∗PC3M = a_1*PC1 + a_2*PC2 + a_3*PC3 但是,请查看LE的结果,我几乎无法解释结果(该图的最后一列)。减少的组件似乎有些“错误”。另外,我想提一提的是,最后一列的最后情节的特征向量式yyyLy=λDyLy=λDyL y = \lambda D y 你们有更多的想法吗? …
11 pca  ica 


3
ICA是否需要首先运行PCA?
我审阅了一篇基于应用程序的论文,说在应用ICA之前先应用PCA(使用fastICA软件包)。我的问题是,ICA(fastICA)是否要求PCA首先运行? 本文提到 ...也有人认为,预先应用PCA可以通过(1)在白化之前丢弃小的尾随特征值,以及(2)通过使成对依存关系最小化来降低计算复杂度,从而提高ICA性能。PCA对输入数据进行解相关;其余的高阶依存关系由ICA分隔。 另外,其他论文也正在ICA之前应用PCA,例如该论文。 在ICA之前运行PCA还有其他利弊吗?请提供理论参考。
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.