盲源分離理論與應(yīng)用

內(nèi)容概要

本書對盲源分離算法進(jìn)行了全面、系統(tǒng)的論述，并采用理論與應(yīng)用實(shí)例分析相結(jié)合的方法，梳理了盲源分離方法自提出以來獲得的各項(xiàng)重要研究成果。全書共15章，包括盲源分離基礎(chǔ)、盲源分離的核心算法、盲源分離的前沿算法與應(yīng)用三大部分內(nèi)容，書中涉及大量應(yīng)用實(shí)例，并首次對非負(fù)矩陣分解和稀疏成分分析進(jìn)行了系統(tǒng)的介紹。
本書可作為信號處理、圖像（含影像）處理、數(shù)據(jù)挖掘、模式識別、地學(xué)信息等專業(yè)研究生信息處理課程教材，也可供高等院校有關(guān)專業(yè)師生以及從事盲源分離算法研究與應(yīng)用的科研工作者閱讀參考。

書籍目錄

《信息科學(xué)技術(shù)學(xué)術(shù)著作叢書》序
前言
第1章 導(dǎo)論
　1.1 盲源分離概述
　1.2 盲源分離的發(fā)展歷史
　1.3 盲源分離應(yīng)用
　1.4 本書結(jié)構(gòu)與章節(jié)安排
　參考文獻(xiàn)
第一部分 盲源分離基礎(chǔ)
　第2章 盲源分離的數(shù)學(xué)基礎(chǔ)
　 2.1 矩陣分析與運(yùn)算
　 2.1.1 行列式及其性質(zhì)
　 2.1.2 矩陣的相關(guān)概念
　 2.1.3 矩陣運(yùn)算公式
　 2.2 概率論基礎(chǔ)——高階統(tǒng)計(jì)量
　 2.3 信息論基本概念
　 2.4 距離測度
　 2.5 信號盲源分離問題的可解性
　 參考文獻(xiàn)
　第3章 盲源分離的基礎(chǔ)模型及經(jīng)典算法
　 3.1 數(shù)學(xué)模型
　 3.2 盲源分離算法
　 參考文獻(xiàn)
　第4章 盲源分離的算法評價(jià)標(biāo)準(zhǔn)
　 4.1 目標(biāo)函數(shù)評價(jià)標(biāo)準(zhǔn)
　 4.2 相關(guān)性評價(jià)標(biāo)準(zhǔn)
　 4.3 信噪比評價(jià)標(biāo)準(zhǔn)
　 參考文獻(xiàn)
第二部分 盲源分離的楊心算法獨(dú)立成分分析算法與應(yīng)用
　第5章 獨(dú)立成分分析
　 5.1 ICA概述
　 5.2 ICA的原理
　 5.3 本章小結(jié)
　 參考文獻(xiàn)
　第6章 快速獨(dú)立成分分析算法與應(yīng)用
　 6.1 概述
　 6.2 FastICA算法
　 6.3 應(yīng)用與分析
　 6.4 本章小結(jié)
　 參考文獻(xiàn)
　第7章 極大似然獨(dú)立成分分析算法與應(yīng)用
　 7.1 概述
　 7.2 極大似然ICA算法
　 7.3 應(yīng)用與分析
　 7.4 本章小結(jié)
　 參考文獻(xiàn)
　第8章 過完備獨(dú)立成分分析算法與應(yīng)用
　 8.1 過完備ICA算法
　 8.2 應(yīng)用與分析
　 8.3 本章小結(jié)
　 參考文獻(xiàn)
　第9章 核心獨(dú)立成分分析算法與應(yīng)用
　 9.1 KICA算法
　 9.2 應(yīng)用與分析
　 9.3 本章小結(jié)
　 參考文獻(xiàn)
　第10章 自然梯度Flexible ICA算法與應(yīng)用
　 10.1 自然梯度Flexible ICA算法
　 10.2 應(yīng)用與分析
　 10.3 本章小結(jié)
　 參考文獻(xiàn)
　第11章 非負(fù)獨(dú)立成分分析算法與應(yīng)用
　 11.1 非負(fù)ICA算法
　 11.2 應(yīng)用與分析
　 11.3 本章小結(jié)
　 參考文獻(xiàn)
　第12章 約束獨(dú)立成分分析算法與應(yīng)用
　 12.1 概述
　 12.2 CICA算法
　 12.3 應(yīng)用與分析
　 12.4 本章小結(jié)
　 參考文獻(xiàn)
　第13章 優(yōu)化獨(dú)立成分分析算法與應(yīng)用
　 13.1 概述
　 13.2 優(yōu)化ICA算法
　 13.3 應(yīng)用與分析
　 13.4 本章小結(jié)
　 參考文獻(xiàn)
第三部分 盲源分離的前沿算法與應(yīng)用
　第14章 稀疏成分分析算法與應(yīng)用
　 14.1 概述
　 14.2 SCA的基礎(chǔ)算法
　 14.3 基于線性聚類的稀疏成分分析（LCSCA）
　 14.4 基于平面聚類的稀疏成分分析（PC-SCA）
　 14.5 基于平面聚類的過完備稀疏成分分析（PCO-SCA）
　 14.6 基于小波變換和稀疏成分分析（WL-SCA）的圖像盲分離
　 14.7 基于SCA的遙感影像分類
　 14.8 本章小結(jié)
　 參考文獻(xiàn)
　第15章 非負(fù)矩陣分解算法與應(yīng)用
　 15.1 概述
　 15.2 NMF算法
　 15.3 應(yīng)用與分析
　 本章小結(jié)
　 參考文獻(xiàn)
彩圖

編輯推薦

　　精彩紛呈的雞尾酒會上，朋友間聊天的聲音、酒杯碰撞的聲音、會場中隱約的音樂聲混雜在一起傳人麥克風(fēng)，如何從中找到你感興趣的聲音呢？　　遙感影像分析中，地物信息、礦物信息和各種干擾混雜其問，如何從接收到的信號中確定地物信息以及礦物信息呢？　　軍事通信中，現(xiàn)代戰(zhàn)場環(huán)境惡劣而復(fù)雜，如何從混雜的無線電信號中準(zhǔn)確截獲、分離和識別敵方和我方信息呢？……這正是盲源分離想解決和正在解決的問題?！　∮嘞却?、胡丹編著的《盲源分離理論與應(yīng)用》對盲源分離算法進(jìn)行了全面、系統(tǒng)的論述，并采用理論與應(yīng)用實(shí)例分析相結(jié)合的方法，梳理了盲源分離方法自提出以來獲得的各項(xiàng)重要研究成果。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    盲源分離理論與應(yīng)用 PDF格式下載

---