FastICA算法类有哪些最新发表的毕业论文呢?

一、总体简介

FastICA算法的相关文献在2004年到2020年内共计65篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、电工技术 等领域,其中期刊论文50篇、会议论文7篇、专利文献8篇;

相关期刊42种,包括曲靖师范学院学报、闽江学院学报、四川大学学报(自然科学版)等;

相关会议7种,包括第十届全国交通运输领域青年学术会议 、第十三届全国信号处理学术年会、华北电力大学第五届研究生学术交流年会等;

FastICA算法的相关文献由208位作者贡献,包括蒋祥林、刘锐、吴微等。

二、FastICA算法类论文发文量统计

FastICA算法类有哪些最新发表的毕业论文呢?_第1张图片

三、FastICA算法类论文发文趋势统计

FastICA算法类有哪些最新发表的毕业论文呢?_第2张图片

四、主题主要研究者

蒋祥林、刘锐、吴微、姚俊良、左静、徐佳云、李章勇、毕杨、薛运强、赵远洋、邓可、丁沿、于在水、云晓花、任玲、任超世、何雨亭、冀勇钢、冯德山等学者

五、相关发表期刊

包括《计算机工程》、《计算机工程与应用》、《吉林大学学报(信息科学版)》、《信息工程大学学报》、《数据采集与处理》、《现代信息科技》、《曲靖师范学院学报》、《闽江学院学报》、《四川大学学报(自然科学版)》、《广西物理》、《物探化探计算技术》、《黑龙江科技信息》、《农业网络信息》、《杭州电子科技大学学报》等期刊

六、中文期刊文献示例

1. 青藏高原区域水储量变化的GRACE RL06和TRMM联合反演

《测绘学报》 | 2020年

摘要: 近10年来,独立成分分析(ICA)逐渐被引入地球时变重力场的成分提取中.ICA因其提取成分的独立性,解决了运用主成分分析(PCA)时各提取成分仅互不相关的这一关键性问题.基于负熵的F a stI CA算法是常见的I CA方法,该算法的收敛较梯度算法快,且负熵的稳健性较峭度更好.本文采用上述算法,旨在探寻青藏高原区域水储量成分与降水成分之间的联系.研究表明,青藏高原的水储量变化较降水存在着7个月的延迟效应,显示出除季节性冻土与冰川的冻融和季风气候所带来降水贡献之外,还客观存在着因区域内水交换造成的延迟.结合特征信号来看,青海中部、西藏西部与西藏中东部之间的年均水储量变化刚好相反,在全球变暖所导致的冻土与冰川加速消融的大背景下,因气候与内外流区的不同造成区域水储量变化的差异性,此外上述区域的水储量变化也因青藏高原南北板块构造的不同而体现出差异性.研究证明了在大尺度范围内运用F a stI CA算法分析区域水储量成分及其相关因素变化的可行性.

2. 轴承故障诊断FastICA算法性能优化方法

《计算机工程与应用》 | 2019年

摘要: 为提高FastICA算法的收敛平稳性和速度,克服FastICA算法对初始值选取敏感的问题,提出在最速下降法中引入松弛因子优化FastICA算法中解混矩阵初始值的方法.首先,按最速下降法负梯度原理确定初始值目标函数最速收敛方向,以最快速度选取靠近目标函数解的粗优值;然后,通过引入松弛因子αk,限制目标函数的下降性质,促使其进入牛顿迭代法收敛区域,最终达到收敛.将优化后的FastICA算法应用于轴承故障诊断中,根据多次仿真次数下迭代时长及时长的波动趋势验证优化FastICA算法在平稳性和速度方面优于传统FastICA算法,且不影响FastICA算法的分离性能,能准确诊断出轴承的故障类型.

3. 基于四阶互累积量的fast ICA微地震数据噪声压制方法研究

《石油物探》 | 2019年

摘要: 相较于常规地震资料,微地震资料中不同道之间有效信号通常存在时间差,使得采用快速独立分量分析(fast independentcomponent analysis,fast ICA)算法分离微地震有效信号时受不同道之间有效信号时间差干扰,导致部分有效信号被当作噪声而分离.引入四阶互累积量算法消除时间差后,再将fast ICA算法应用于微地震资料进行有效信号与噪声的盲源分离,从而解决上述问题.首先分别介绍了四阶互累积量算法和fast ICA算法,并利用微地震仿真数据测试了四阶互累积量算法的时差估计准确性,再根据时差估计结果对有效信号进行时差偏移,最后对偏移后的微地震数据进行fast ICA盲源分离,从而达到去除噪声的同时保留有效信号并提高信噪比的目的.微地震仿真实验以及实际微地震资料的处理结果表明基于四阶互累积量的fast ICA微地震数据噪声压制方法具有良好的去噪效果.

4. 基于FastICA算法的电力线通信OFDM信号分离方法

《电力自动化设备》 | 2019年

5. 放松状态下α波的溯源分析

《数据采集与处理》 | 2019年

摘要: 鉴于在大多数α波研究中, 只分析不同脑区的α波差异对研究其神经活动所提供的信息不足问题, 本文提出了α波独立分量能量分析法, 并结合源定位算法对产生α波的主要脑区进行了溯源分析.首先, 计算预处理后各脑区的α波功率以分析其主要活动区域, 将FastICA算法分解的独立分量进行源定位, 再采用α波独立分量能量分析法分析主要活动脑区的α波与各独立分量的关系.以6名26岁的右利手男性为被试对象, 结果表明在放松状态下α波的主要活动脑区为左枕区和右枕区, 其次为右后颞, 左后颞;左枕区和右枕区的α波功率虽无显著性差异, 但其主要α波能量却来自不同的神经源, 这两个神经源分别位于靠近左枕区的左脑和靠近右枕区的右脑部位.经过两因素重复方差分析, 发现这两个不同的神经源影响了左枕区与右枕区的α波.

七、中文会议示例

1. 一种基于FastICA算法的改进盲抽取方法

《第十九届中国(天津)’2005IT、网络、信息技术、电子、仪器仪表创新学术会议》 | 2005年

摘要: 本文以基本FastICA算法为基础,给出了一种基于抽气过程的提取有序的盲信号抽取(BSE)方法,该方法避免了独立变量分析(ICA)方法中固有的位置不确定性,并能够成功的分离源信号.计算机仿真结果表明该方法是有效的.

2. 基于松弛因子的FastICA算法的遥感图像分类技术

《中国地理信息系统协会第八届年会》 | 2004年

摘要: 本文介绍了独立分量分析的快速算法FastICA,以及对FastICA算法M- FastICA,提出了大范围收敛的带松弛因子的改进算法.

3. FastICA算法对非高斯混合信号分离的性能分析

《第十届全国交通运输领域青年学术会议》 | 2013年

摘要: 基于独立分量分析的盲源分离方法,采用快速独立分量分析(Fast Independent Component Analysis,FastICA)的算法对混合的非高斯信号进行分离.通过对仿真信号的分离比较,使用峭度值和信噪比对分离函数tanh和gauss函数的性能进行了分析,研究分离函数的选择对于分离效果的影响。

4. 基于在线独立分量分析算法的飞机舱音信息分离

《2009年中国智能自动化会议》 | 2009年

摘要: 飞机驾驶舱话音记录器(CVR)记录的舱音信号,通常是语音声、警告声、开关按钮声和背景噪声等混合而成的。目前国内对该类信号的分析和辨别主要是计算机译码后进行人耳辨听,敞存在不能准确分辨出各种独立的声音信号的缺点。本文提出一种改进的处理方法。首先应用基于独立分量分析方法的在线算法动态分段处理,再通过快速的FastICA算法进行精确化求解,同时为了使得估计器获得最佳性能适当调整分离矩阵各行权值。仿真实验结果表明,本文提出算法不但可以有效地将CVR混合信号中的独立的声音信号分离出来,而且具有更为优越的分离效果。

5. 基于独立分量分析方法的煤岩界面识别研究

《第十三届全国信号处理学术年会》 | 2007年

摘要: 本文简要介绍了独立分量分析的基本思想及基于负熵极大的FastICA算法,并对放顶煤过程中产生的声波信号进行ICA分析和频谱分析,结果表明,FastICA算法可以较好地分离煤和矸石的混合声音信号,分离出的两独立......等等

七、中文专利示例

1. 一种基于FASTICA算法的盲源分离技术控制聚焦系统

公开公告日期:2018.08.24

摘要: 一种基于FASTICA算法的盲源分离技术控制聚焦系统,包括盲源分离模块、GCC‑PHAT时延估计模块、几何定位模块和相机模块,各模块依次相连;盲源分离模块包括放大电路、数据同步采集电路、信号处理模块;GCC‑PHAT时延估计模块包括多通道音频输入电路和数字信号处理器;几何定位模块包括多语音通道、数字信号处理器、控制逻辑CPLD;相机模块包括图像信息分析与聚焦权重调整模块、数码相机模块。本发明根据在拍摄时测量出的拍摄距离,调整镜头内部部件和感光组件的距离使拍摄物能在感光组件上清晰成像,即使在弱光、低反差条件下都能调整出最佳聚焦点实现聚焦。本发明将盲源分离技术与相机结合,使相机操作简单、定位精准、智能、聚焦时间短。

2. 一种基于改进的FastICA算法的谐波电流估计方法

公开公告日期:2018.07.24

摘要: 本发明公开了一种基于改进的FastICA算法的谐波电流估计方法,其特征在于,采用拟牛顿法代替牛顿法作为FastICA的优化方法。本发明的有益效果:(1)本发明能在谐波阻抗未知情况下准确估计电网中的谐波电流;(2)克服了系统实际谐波阻抗难以获得和谐波测量装置成本昂贵的难题;(3)原有方法相比,提高了算法的精度,更好的解决了谐波阻抗难以确定的难题。

3. GA_FastICA算法的语音分离效果算法

公开公告日期:2020-11-06

摘要: 本发明公开了GA_FastICA算法的语音分离效果算法,包括如下步骤:在传统谱减法中假定噪声信号为d(n),纯净的语音信号为f(n),获取带噪混合信号h(n);带噪混合信号经过短时傅里叶变换后获得频谱;利用GA算法计算得到的增益来计算纯净语音功率谱和混合语音功率谱之间的关系,得到纯净语音信号的功率谱,弥补了传统谱减法在0dB左右交叉项为零的假设不成立弊端,通过短时傅里叶逆变换可还原成原始语音信号,FastICA算法进行语音分离,获得分离后语音信号。本发明在不同信噪比条件下,绘制了分离后语音信号时域波形,分析了分离后信号和原始信号之间的相关系数,并比较了GA_FastICA和FastICA、IBM、FOBI算法的分离效果,GA_FastICA算法可有效分离语音信号,在噪声环境下具有较好的语音分离效果。

4. 基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法

公开公告日期:2019-12-20

摘要: 本发明公开了一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法,首先使用共振稀疏分解方法将振动信号分解成高共振分量和低共振分量,剔除含有宽带信号的低共振分量;将含有行星齿轮箱振动信号的高共振分量作为观测信号,再对观测信号进行一次共振稀疏分解,构成虚拟通道信号;利用快速独立分量分析算法对观测信号和虚拟通道信号进行处理,分离出有效的故障特征分量,从而识别故障类型。本发明能够有效的提取行星齿轮箱的故障特征频率,解决经验模态分解EMD去噪过程中故障信息丢失、模态混叠的问题,同时也可以解决ICA中源信号数与观察信号数不同所带来的分解不准确的问题,还能准确清晰的提取出行星齿轮箱的故障特征频率。

5. 基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法

公开公告日期:2019-11-01

摘要: 本发明公开了一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法,包括如下步骤:1)首先使用共振稀疏分解方法将振动信号分解成高共振分量和低共振分量,剔除含有宽带信号的低共振分量;2)将含有行星齿轮箱的高共振分量作为观测信号,再对观测信号进行一次共振稀疏分解,构成虚拟通道信号;3)利用快速独立分量分析算法对观测信号和虚拟通道信号进行处理,分离出有效的故障特征分量,从而识别故障类型。本发明能够有效的提取行星齿轮箱的故障特征频率,解决EMD去噪过程中故障信息丢失、模态混叠的问题,同时也可以解决ICA中源信号数与观察信号数不同所带来的分解不准确的问题,还能准确清晰的提取出行星齿轮箱的故障特征频率。

你可能感兴趣的:(算法,机器学习,人工智能,深度学习,计算机视觉)