独立分量分析原理及其应用

综述了独立分量分析(ICA）的基本原理及基于信息最大化原理的各种方法及其特性，介绍了HJ网络、基于信息最大化的Infomax法及其扩展算法、极大似然估计(MLE)法、负熵最大化法、基于高阶累量的ICA法和Dussage法，对各种方法性能做了比较，说明了ICA在生物医学信号处理中的应用，并对ICA的发展作了展望．     

独立分量分析在柴油机缸盖振动信号分离中的应用

采用独立分量分析的方法进行了柴油机缸盖振动信号分离的研究.建立了基于Fixed-pointICA算法的4135船用柴油机缸盖振动信号分析模型,分析了这些振动信号的性质.针对实际应用,对采集到的2路混合信号进行分离,得到了各独立分量的时域和频域分布.分离结果表明独立分量分析是一种行之有效的信号处理的新方法.     

基于独立分量分析的诱发电位信号提取方法

诱发电位(EP)信号在检测神经系统状态时有重要意义.但EP信号总是淹没在自发脑电波(EEG)信号中,因此,为利用EP信号诊断神经系统的损伤和病变,需要从二者的混合信号中提取出EP信号.独立分量分析(ICA)是一种新近发展起来的信号分离方法.本文把ICA方法应用于EP信号的提取,并与传统的滤波方法进行了比较.计算机模拟表明,采用ICA方法进行噪声分离的结果明显优于信号滤波方法.     

基于独立分量分析的诱发电位信号提取方法

诱发电位（EP）信号在检测神经系统状态时有重要意义，但EP信号总是没在自发脑电波（EEG）信号中，因此，为利用EP信号诊断神经系统的损伤和病变，需要从二的混合信号中提出EP信号。独立分量分析（ICA）是一种新近发展起来的信号分离方法。本反ICA方法应用于EP信号的提取，并与传统的滤波方法进行了比较。计算模拟表明，采用ICA方法进行噪声分离的结果明显优于信号滤波方法。     

基于神经网络的主分量分析及其在图像压缩中的应用研究

阐述了主分量分析的严格数学定义、特性以及应用领域，探讨了采用Hebb学习规则的单个神经元提取输入模式的最大主分量的方法，将单个主分量神经元模型扩展为主分量分析网络对输入模式的所有主分量进行提取，最后将主分量提取网络算法用于图像压缩，并通过对黑白图像进行压缩的对比仿真实验证明在同样的压缩比下，通过主分量分析网络算法压缩的图像质量优于采用DCT变换方法压缩的效果．     

快速ICA算法在ERP信号处理中的应用

介绍了独立分量分析(ICA)的基本原理．针对事件相关电位(ERP)的信号特点及对快速处理的要求，引入一种快速定点ICA算法，并编写了相应的程序．利用该程序，进行了ERP实测数据的处理实验．实验显示，快速ICA算法能有效地分离和消除噪声干扰。并能改善和增强单次ERP的信号特征．文中还就实验结果和独立分量分析在ERP处理中的应用进行了讨论。     

汽车双横臂独立悬架运动学计算机分析

应用数学上的线性变换原理，提出了汽车以横臂独立悬架系统的非线性运动学分析模型，并建立了以此为基础的计算机分析系统，通过对实际车型进行分析计算，证明了该系统及模型的正确性与实用性。     

基于ADAMS的双横臂独立悬架的仿真分析及优化设计

在现有的汽车前悬架数据的基础上,用ADAM S/VIEW模块建立悬架模型,并对模型进行仿真计算,研究分析汽车运动中悬架随车轮上下跳动时定位参数的变化规律,评价悬架数据合理性。采用优化分析对悬架不合理数据进行优化,进一步改善悬架系统性能,以提高产品开发质量。     

基于重排S-method的多分量辐射源信号分析方法

为实现多分量辐射源信号的有效检测和识别,提出了基于重排S-method（RSM）的多分量辐射源信号分析方法．针对Wigner-Ville分布交叉项严重和计算复杂度高的问题,采用RSM分析密集、交叠的辐射源信号,给出了其算法的硬件实现和计算复杂度分析．该方法能处理线性和非线性调频信号,算法简单,易于实现．复杂体制多分量辐射源信号分析的实验结果表明,该方法能有效分析多分量辐射源信号,时频分辨率高,不受交叉项干扰,具有比Wigner-Ville分布和S-method更强的噪声抑制能力．     

独立分量分析在含有多种噪声的图像去噪中的应用

提出一种基于负熵的分数低阶独立分量分析(ICA)算法,为使算法更好的适用于实际环境,结合当下较为新颖的Volterra滤波方法——VLMS算法,该算法对高斯噪声有良好的去除效果.仿真结果表明,算法对于含有两种噪声的混合图像具有良好的分离特性及实际意义.     

Nonlinear Statistical Process Monitoring Based on Control Charts with Memory Effect and Kernel Independent Component Analysis

A novel nonlinear combination process monitoring method was proposed based on techniques with memory effect (multivariate exponentially weighted moving average (MEWMA)) and kernel independent component analysis (KICA). The method was developed for dealing with nonlinear issues and detecting small or moderate drifts in one or more process variables with autocorrelation. MEWMA charts use additional information from the past history of the process for keeping the memory effect of the process behavior trend. KICA is a recently developed statistical technique for revealing hidden, nonlinear statistically independent factors that underlie sets of measurements and it is a two-phase algorithm: whitened kernel principal component analysis (KPCA) plus independent component analysis (ICA). The application to the fluid catalytic cracking unit (FCCU) simulated process indicates that the proposed combined method based on MEWMA and KICA can effectively capture the nonlinear relationship and detect small drifts in process variables. Its performance significantly outperforms monitoring method based on ICA, MEWMA-ICA and KICA, especially for long-term performance deterioration.     

高职教师课堂教学质量的评价方法研究

根据高职院校的课堂教学特点,首先构建了具有高职特色的教学质量评价指标体系;然后,利用主成分分析法对评教数据进行数学处理,求得各主成分和综合因子的得分,并对教师的教学质量与师德师表进行量化评价;最后,利用第一、第二主成分的得分聚类图,实现了对教学质量的定性评判。结果表明,主成分分析法提高了教学质量评价的科学性和合理性。     

组件技术与网络应用程序

本文通过一个实际的网络应用程序——校园网的“教学论坛”，阐述了组件技术应用于网络应用程序设计的优点，充分展示了组件技术在设计应用程序，特别是创建企业级应用程序的优势。     

主成分分析法在综合评价中的应用

由于许多领域已采用的评价方法在一定程度上受到主客观因素影响，致使评判结果与真实情况产生偏差．采用主成分分析法计算指标权重能克服主观因素的影响，使评价结果更加客观、可靠．文中介绍了主成分分析法原理、优势和计算步骤．最后以某省综合运输体系中的内河运输、铁路和公路进行了实证研究．     

主成分分析法在组合无形资产分割评估中的应用

本文运用主成分分析法能够对被评估对象评分、排序的功能,将主成分分析法应用于组合无形资产的分割评估中,确定组合无形资产中各单项无形资产的权重,进而正确界定其价值。