독립 성분 분석: 두 판 사이의 차이
내용 삭제됨 내용 추가됨
Sunghyon Kyeong (토론 | 기여) 잔글편집 요약 없음 |
Sunghyon Kyeong (토론 | 기여) 편집 요약 없음 |
||
5번째 줄:
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.
[[분류:신호 처리]]
[[분류: 데이터 분석]]
[[분류: 시계열 분석]]
[[분류:통계 방법]]
[[분류: 다변량 통계]]
|