独立成分分析 ( ICA ) 与主成分分析 ( PCA )

独立成分分析 ( ICA ) 与主成分分析 ( PCA )
书上写的是:

  1. 主成分分析假设源信号间彼此非相关,独立成分分析假设源信号间彼此独立。
  2. 主成分分析认为主元之间彼此正交,样本呈高斯分布;独立成分分析则不要求样本呈高斯分布。

在利用最大化信息熵的方法进行独立成分分析的时候,需要为源信号假定一个概率密度分布函数g’,进而找出使得g(Y)=g(Wx)的信息熵最大的变换W,即有Y=s。

我的问题是,

  1. 这个概率密度分布函数怎么假定?在实际信号处理中怎么给出?
  2. 如果我观测到信号呈高斯分布,取g’为高斯分布,那么ICA和PCA得到的结果会相同吗?
    独立成分分析 ( ICA ) 与主成分分析 ( PCA )_第1张图片
    独立成分分析 ( ICA ) 与主成分分析 ( PCA )_第2张图片
    独立成分分析 ( ICA ) 与主成分分析 ( PCA )_第3张图片
    独立成分分析 ( ICA ) 与主成分分析 ( PCA )_第4张图片
    独立成分分析 ( ICA ) 与主成分分析 ( PCA )_第5张图片
    总的来说,ICA认为观测信号是若干个统计独立的分量的线性组合,ICA要做的是一个解混过程。
    而PCA是一个信息提取的过程,将原始数据降维,现已成为ICA将数据标准化的预处理步骤。
    独立成分分析 ( ICA ) 与主成分分析 ( PCA )_第6张图片

独立成分分析 ( ICA ) 与主成分分析 ( PCA )_第7张图片
独立成分分析 ( ICA ) 与主成分分析 ( PCA )_第8张图片
独立成分分析 ( ICA ) 与主成分分析 ( PCA )_第9张图片

https://www.zhihu.com/question/28845451/answer/42292804

你可能感兴趣的:(独立成分分析 ( ICA ) 与主成分分析 ( PCA ))