독립 성분 분석: 두 판 사이의 차이
내용 삭제됨 내용 추가됨
Sunghyon Kyeong (토론 | 기여) 새 문서: '''독립 성분 분석'''(English: Independent Component Analysis, ICA)은 다변량의 신호를 여러 산적인 성분으로 분리하는 계산 방법이다. 각 성분은 가우... 태그: 토막글 |
Sunghyon Kyeong (토론 | 기여) 잔글편집 요약 없음 |
||
1번째 줄:
'''독립 성분 분석'''(English: Independent Component Analysis, ICA)은 다변량의 신호를
==서론==
독립성의 가정이 옳다면, 혼합 신호의 독립 성분 분석은 좋은 결과를 도출한다. 혼합 신호 말고도 분석을 위해 이렇게 할 수있다. 전형적인 독립 성분 분석의 응용으로, 실내에서 녹음 된 여러 사람의 대화에서 특정 인물의 목소리를 빼내는 음원 분리가있다. 일반적으로 지연이나 반응이 없다고 가정하면 문제가 단순화된다. 고려해야 할 중요한 점은 N 개의 자원이있는 경우 개별을 분리하려면 적어도 N 개의 관측 장치 (마이크 등)가 필요하다.
이 통계적 기법은 예측되는 성분의 통계적 독립성을 최대화하도록 그 독립 성분 (요소, 잠재적 변수, 소스 등)을 찾아 낸다. 중심 극한 정리에 따르면, 비 가우스 성 (Non-Gaussianity)은 성분의 독립성을 측정하는 하나의 방법이다. 또한, 상호 정보량도 신호 간의 독립성을 측정하는 척도가 된다.
독립 성분 분석의 전형적인 알고리즘은 복잡성을 줄이기 위한 전 단계로서 중심화 (centering), 백색화 (whitening), 차원 감소 (dimensionality reduction) 등의 과정이 필요하다. 백색화와 차원 감소는 [[주 성분 분석]] (Principal Component Analysis)과 [[특이 값 분해]] (Singular value decomposition)로 한다. 독립 성분 분석의 알고리즘으로는 Infomax, FastICA, JADE 등이 있다. 독립 성분 분석은 블라인드 신호 분리에 중요하며 구체적인 응용이 얼마든지 있다.
| |||