目标函数与策略寻优的独立成分分析算法研究

发布时间：2017-03-19 20:01

  本文关键词：目标函数与策略寻优的独立成分分析算法研究，，由笔耕文化传播整理发布。

【摘要】：独立成分分析(Independent Component Analysis, ICA)是盲源分离(Blind Source Separation, BSS)的重要分支。它根据源信号的统计独立性特征,从混合信号中将源信号分离还原出来。ICA作为一种功能强大的信号处理方法,成为众多领域中研究的重要课题,特别是在生物医学、语音与通信、图像处理、地球科学、文本数据挖掘等方面有突出贡献,具有非常重要的实用价值和应用前景。传统ICA算法存在适用范围窄,收敛速度慢和分离精度不高等不足。为了适应广泛的实际应用要求,ICA算法优化的研究成为研究热点而意义深远。本文针对上述问题和研究背景,在前人的研究基础上做了如下工作：1.独立成分分析理论总结研究。ICA分离系统由目标函数和寻优算法两方面组成。首先对不同目标函数推导分析并指出共性；然后将寻优算法分为两大类：数值计算方法和仿生群智算法,比较了各算法的优缺点,明确以仿生群智算法作为研究点。采用人工蜂群(Artificial Bee Colony, ABC)算法作为寻优算法,对其仿生策略的特点进行了分析研究。2.从目标函数与寻优算法两方面优化ICA。对于目标函数,存在求解变量多计算量大的问题,采用Givens旋转变换减少求解变量的个数,降低了计算量；对寻优算法,采用自适应策略改进。对于搜索策略存在搜索方向盲目没有指导,策略固定不能随迭代次数调整的不足,引入自适应最优解指导项,指导搜索方向与步长,并随迭代次数自适应调整；对于选择策略存在选择压力集中程度固定,不随迭代次数变化而变化的不足,引入带自适应系数的Boltzmann选择策略,能够随迭代次数变化自适应调节选择压力集中程度,对选择过程细化分阶段调节。3.仿真实验对算法性能比较分析。进行多次独立成分分析实验,从定性和定量两方面判断分离的效果。结果表明,改进算法能分离不同峰度性质的源信号,仿真实验的分离精度约比原算法提升了3个数量级,算法性能良好。
【关键词】：独立成分分析 目标函数 策略寻优 人工蜂群算法 自适应
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN911.5
【目录】：

• 致谢4-5
• 摘要5-6
• Abstract6-10
• 1 绪论10-15
• 1.1 课题研究意义10-11
• 1.2 课题研究背景11-13
• 1.3 论文创新点13
• 1.4 论文组织结构和研究内容13-15
• 2 独立成分分析理论15-30
• 2.1 独立成分分析模型15-17
• 2.2 预处理17-18
• 2.3 分离系统18-29
• 2.3.1 目标函数19-23
• 2.3.2 寻优算法23-29
• 2.4 本章小结29-30
• 3 目标函数和策略寻优的独立成分分析30-49
• 3.1 基于人工蜂群算法的独立成分分析30-36
• 3.1.1 人工蜂群算法30-34
• 3.1.2 基于人工蜂群算法的独立成分分析流程34-36
• 3.2 目标函数降维36-39
• 3.2.1 正交分离矩阵36-37
• 3.2.2 Givens旋转变换降维37-39
• 3.3 策略自适应改进与性能测试39-46
• 3.3.1 搜索策略的自适应改进40-42
• 3.3.2 选择策略的自适应改进42-44
• 3.3.3 策略改进ABC的性能测试44-46
• 3.4 目标函数和策略寻优的独立成分分析流程46-47
• 3.5 本章小结47-49
• 4 实验与分析49-57
• 4.1 实验平台49-50
• 4.2 评价指标50-51
• 4.3 实验数据和参数设置51-53
• 4.3.1 实验数据51-53
• 4.3.2 参数设置53
• 4.4 算法性能比较与分析53-56
• 4.5 本章小结56-57
• 5 总结与展望57-59
• 5.1 总结57-58
• 5.2 展望58-59
• 参考文献59-62
• 作者简介62-63
• 作者攻读硕士学位期间发表的论文63

【相似文献】

中国期刊全文数据库 前10条

1 张磊;高全学;;块独立成分分析的人脸识别[J];计算机应用;2007年09期

2 戴欢;吴小俊;;基于统计不相关矢量集的独立成分分析[J];计算机工程;2009年23期

3 彭中亚;程国建;;基于独立成分分析和核向量机的人脸识别[J];计算机工程;2010年07期

4 李薇;杨庆华;;独立成分分析应用于人脸识别中的几个问题[J];计算机与现代化;2011年02期

5 杜宇慧;桂志国;刘迎军;陈芳芳;;基于独立成分分析的脑功能网络分析方法综述[J];生物物理学报;2013年04期

6 邹益民;汪渤;;一种基于独立成分分析的滚转弹姿态解算[J];系统工程与电子技术;2008年07期

7 彭中亚;程国建;曹庆年;;结合独立成分分析和核向量机进行人脸识别[J];计算机工程与应用;2009年25期

8 杨万扣;王建国;任明武;杨静宇;;基于分块独立成分分析的人脸识别[J];计算机工程与应用;2008年01期

9 杨颖娴;;应用小波包和独立成分分析的人脸识别[J];电脑知识与技术;2012年08期

10 葛晓霞;缪国钧;毕小龙;徐治皋;;基于独立成分分析的火电厂数据重构方法[J];华东电力;2012年06期

中国重要会议论文全文数据库 前10条

1 王桂安;余先川;方李根;张婷;;独立成分分析研究综述[A];第七届全国数学地质与地学信息学术会议论文摘要汇编[C];2004年

2 李杰;高大启;;线性与非线性主成分分析和独立成分分析数据降维的比较[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（下）[C];2006年

3 王桂安;余先川;方李根;张婷;;快速独立成分分析及其在矿产预测中的应用[A];第七届全国数学地质与地学信息学术会议论文摘要汇编[C];2004年

4 吴新杰;王凤翔;;基于独立成分分析处理两相流信号的方法[A];全面建设小康社会：中国科技工作者的历史责任——中国科协2003年学术年会论文集（上）[C];2003年

5 李强伟;;独立成分分析及其在两相流信号处理中的应用[A];第二十七届中国控制会议论文集[C];2008年

6 刘文思;耿艳峰;赵丹;于光金;张允宁;姜威;;ICA技术在两相流检测中的应用研究[A];第十五届中国海洋（岸）工程学术讨论会论文集(中)[C];2011年

7 许海翔;丛丰裕;雷菊阳;史习智;;时频域非参数密度估计的独立成分分析[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

8 吴新杰;陈跃宁;石玉珠;蒋秋莉;;空间滤波和独立成分分析在速度测量中的应用[A];第二届全国信息获取与处理学术会议论文集[C];2004年

9 谢元芳;张正国;;两导心电信号的独立成分分析[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

10 张玉洁;王法松;李宏伟;;基于ICA的AR序列叠加过程的分解与复原[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

中国博士学位论文全文数据库 前7条

1 杨s

本文编号：256477