手机知网 App
24小时专家级知识服务
打 开
手机知网|搜索

有限制的MFA-ICA的算法及其在特征提取中的应用

刘直芳;张继平;游志胜

  独立成分分析(Independent Component Analysis ICA)是盲信号分离(BlindSource Separation BSS)的一个重要解决方法。传统的ICA 是一种无噪声模型,而实际应用中噪声是大量存在的,同时传统ICA 要求源信号数小于等于观测信息号数等一些苛刻的限制条件,因此在实际应用时将遇到很多问题。根据多元统计中的因子分析模型,改变其假设条件,从而得到一种有噪声ICA 模型。为了能求解模型参数,引入平均场近似(Mean FieldApproximation MFA)原理来解决模型参数难于求解的问题。在传统的平均场近似独立成分分析基础上,针对图像特征提取,通过增加对模型参数的一些限制,使其能得到更为独立的图像特征,为图像的识别提供更可靠的特征信息,从而大大提高识别率。通过仿真模拟图形以及ORL 人脸数据进行实验,将传统的独立成分分析算法、无限制的MFA-ICA 算法以及增加限制条件的MFA-ICA 算法进行比较,从仿真模拟图形实验结果看,限制的MFA-ICA算法能分离出更独立的特征,而对于ORL 人脸数据,其结果表明,利用限制的MFA-ICA算法明显优于传统ICA 算法和无限制MFA-ICA 算法识别结果。……   
App内打开