欧美性猛交XXXX免费看蜜桃,成人网18免费韩国,亚洲国产成人精品区综合,欧美日韩一区二区三区高清不卡,亚洲综合一区二区精品久久

獨立成分分析　　獨立成分分析(ICA,Independent Component Correlation Algorithm)簡(jiǎn)介
　　X＝AS
　　X為n維觀(guān)測信號矢量，S為獨立的m（m<=n)維未知源信號矢量，矩陣A被稱(chēng)為混合矩陣。
　　ICA的目的就是尋找解混矩陣W（A的逆矩陣），然后對X進(jìn)行線(xiàn)性變換，得到輸出向量U。
　　U＝WX＝WAS
　　過(guò)程：
　　(1)對輸入數據進(jìn)行中心化和白化預處理
　　X*=X-u
　　經(jīng)過(guò)白化變換后的樣本數據為
　　Z＝Wz X*
　　(2)從白化樣本中求解出解混矩陣W
　　通過(guò)優(yōu)化目標函數的方法得到W
　　(3)得到獨立的基向量U
　　U＝WX
　　應用：表情分類(lèi)
　　得到基向量U后，任何一個(gè)樣本可用U的線(xiàn)性組合來(lái)表示。
　　線(xiàn)性組合的系數即Xi向U上的投影系數：
　　Ei=UXi'
　　訓練樣本和測試樣本可分別得到Ei和Etest。
　　然后選擇合適的分類(lèi)器，就可以進(jìn)行分類(lèi)。最簡(jiǎn)單的即為最近鄰分類(lèi)器（NNC）：用距離參數表示訓練集模板與測試樣本的差異，認為測試樣本與滿(mǎn)足最小距離的訓練樣本屬于同一種表情。
　　fastica簡(jiǎn)介
　　function [Out1, Out2, Out3] = fastica(mixedsig, varargin)
　　%FASTICA(mixedsig) estimates the independent components from given
　　% multidimensional signals. Each row of matrix mixedsig is one
　　% observed signal.
　　% = FASTICA (mixedsig); the rows of icasig contain the
　　% estimated independent components.
　　% = FASTICA (mixedsig); outputs the estimated separating
　　% matrix W and the corresponding mixing matrix A.
　　mixedsig為輸入向量，icasig為求解的基向量。
　　A即為混合矩陣，可以驗證mixedsig＝A×icasig。
　　W即為解混矩陣，可以驗證icasig＝W×mixedsig。