返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 独立成分分析中的高阶统计量方法 乌建伟 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 乌建伟 著著
    • 出版社: 国防工业出版社
    • 出版时间:2016-12-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 乌建伟 著著
    • 出版社:国防工业出版社
    • 出版时间:2016-12-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2016-12-01
    • 字数:332千字
    • 页数:271
    • 开本:16开
    • 装帧:平装
    • ISBN:9787118112139
    • 国别/地区:中国
    • 版权提供:国防工业出版社

    独立成分分析中的高阶统计量方法

    作  者:乌建伟 著
    定  价:79
    出 版 社:国防工业出版社
    出版日期:2016年12月01日
    页  数:271
    装  帧:平装
    ISBN:9787118112139
    主编推荐

    内容简介

    本书对于实信号和复信号(这部分靠前专著很少涉及),直接以高阶累积量为主线展开,从对照函数到算法,包括某些算法或算法思想的进一步讨论及扩展(这部分靠前专著很少涉及)、高阶累积量在其它算法中的应用,都做了较为全面介绍。

    作者简介

    精彩内容

    目录
    第1章前言
    1.1独立成分分析的概念和模型
    1.1.1盲信号分离与独立成分分析
    1.1.2独立成分分析的概率模型
    1.2独立成分分析解的性质
    1.2.1ICA分解的等价性
    1.2.2ICA分解的专享性
    1.2.3ICA与PCA的联系
    1.3独立成分分析的发展历史、扩展及应用
    1.3.1ICA的发展历史
    1.3.2ICA的扩展研究
    1.3.3ICA的应用
    参考文献
    第2章基本的分离原则、算法和对照函数
    2.1几个基本的分离原则
    2.1.1优选似然估计
    2.1.2互信息最小化
    2.1.3信息极大化
    2.1.4负熵优选化
    2.2其他分离方法
    2.2.1消去交叉累积量方法
    2.2.2非线性去相关
    2.2.3分布比较方法
    2.2.4基于几何特征的方法
    2.3ICA中常用的优化方法
    2.3.1自然梯度与相对梯度
    2.3.2雅可比算法
    2.3.3不动点算法
    2.4概率密度函数的Gram-Charlier和Edgeworth展开
    2.5目标函数的要求与构造
    2.6非对称的对照函数
    2.7高阶累积量作为目标函数的一些理论结果
    2.8基于交叉累积量的对照函数
    参考文献
    第3章实信号的基于高阶累积量的分离方法
    3.1四阶盲辨识及其扩展方法
    3.2基于四阶累积量的快速算法
    3.2.1FastICA算法
    3.2.2FastICA算法收敛性的进一步讨论
    3.2.3基于峭度的P-ICA算法
    3.3峭度之和对照函数及其算法
    3.4层级网络方法
    3.5高阶统计量目标函数稳定点的讨论与偏度解混算法
    3.6有限样本对于高阶统计量对照函数在盲抽取运算中的影响
    3.7利用向量峭度的子空间独立成分分析
    3.8含噪声数据的高阶统计量盲分离算法
    3.9分离源信号某个子集的高阶累积量方法
    3.10源信号峭度位于某特定区域的盲抽取算法
    参考文献
    第4章复值信号的峭度极大化方法
    4.1基本的数学知识
    4.1.1复数域上的CR运算
    4.1.2复随机变量及其数字特征
    4.2复随机向量及强无关变换
    4.3复信号的固定点算法
    4.4峭度优选化算法(KMA)
    4.5峭度极大化算法的修正算法
    4.6基于峭度的梯度算法和固定点算法
    4.7基于峭度的非圆周型信号盲分离算法(K-CBSE)
    4.8快速峭度优选化算法与T-快速峭度优选化算法
    4.9RobustICA
    参考文献
    第5章高阶累积量在其他盲分离算法中的应用
    5.1双输入双输出问题
    5.JADE算法
    5.3模型匹配算法中峭度的应用:分布的组合
    5.4模型匹配算法中峭度的应用:广义Gaussian分布
    5.5模型匹配算法中峭度的应用:t-分布与广义Gaussian分布
    5.6一比特匹配猜想的讨论
    5.7关于通用匹配函数的存在性
    5.8利用互累积量的两个算法
    参考文献
    第6章张量方法
    6.1张量的定义及其基本运算
    6.2高阶张量的矩阵表示与秩
    6.3超对称张量与张量定义的线性映射
    6.4张量的奇异值分解
    6.5很优秩-1与秩-(R1,R1,...RN)分解
    6.6标准分解
    6.6.1引言
    6.6.2CANDECOP与联合EVD
    6.6.3联合广义Schur分解
    6.6.4算法
    6.7三阶张量算法标准分解的梯度算法与ALS及其改进
    6.7.1基于梯度的Levenberg-Marquardt算法
    6.7.2交替最小二乘算法
    6.7.3线搜索与增强的线搜索
    6.8基于三阶张量联合对角化盲分离算法
    6.8.1三阶张量优选对角化的雅可比方法
    6.8.2三阶张量联合对角化(sTOTD)的ICA算法
    6.9欠定情形下的四阶盲辨识方法(FOOBI)
    6.9.1FOOBI算法
    6.9.2FOOBI-2算法
    6.10欠定情形下矩阵联合对角化的盲分离算法
    6.10.1问题的转化及PARAFAC分解的专享性
    6.10.2计算
    参考文献
    第7章峭度与偏度的直接估计及应用
    7.1峭度的直接估计
    7.1.1峭度估计算法(KEA)
    7.1.2KEA的两个初步应用
    7.2基于峭度估计的Givens旋转算法
    7.2.1雅可比角的直接估计
    7.2.2Givens旋转矩阵的整体估计
    7.3偏度的直接估计
    7.3.1偏度估计算法
    7.3.SEA在选择合适的对照函数或算法方面的应用
    7.4分离非对称源信号的Givens旋转算法
    7.5分离非对称源信号的Givens旋转算法(GASS)的一个理论上的推广
    7.5.1基于三阶张量分解的盲分离算法
    7.5.2新的混合矩阵估计算法
    参考文献

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购