1) Noisy Independent Component Analysis
噪声独立成分分析
2) noise ICA
噪声独立分量分析
1.
In order to remove the bias,a noise ICA algorithm based the noise model is introduced and the multi-user detection method based this algorithm is deduced.
针对独立分量分析算法忽略噪声这一缺点,引入基于噪声模型的噪声独立分量分析,得到基于噪声独立分量分析的多用户检测方法。
3) independent component analysis (ICA)
独立成分分析
1.
A local regression method was proposed based on independent component analysis (ICA) .
建立了一种基于独立成分分析的局部建模新方法,该方法首先将独立成分分析(ICA)用于近红外光谱的特征提取,然后,根据所提取的独立成分选择校正集中与预测样本相邻近的样本构成校正子集,建立局部偏最小二乘(PLS)回归模型并对预测样本进行预测。
2.
To overcome the shortcoming of the conventional process monitoring methods assumption that the extracted features must be subject to multivariate normal distribution, a novel method based on independent component analysis (ICA) and principal component analysis (PCA) was presented for process performance monitoring by using a two-step procedure.
为克服传统过程监控方法需假设过程特征信号服从多元正态分布的缺陷,提出了一种新的基于独立成分分析(ICA)和主元分析(PCA)的过程监控方法,该方法由两步组成:第一步:利用独立成分分析方法从过程信息中提取非正态分布特征信号,然后用Parzen窗法估计其概率密度确定控制限进行过程监控;第二步:利用主元分析方法对剩余过程信息提取正态分布特征信号,采用Q和HotellingT2统计量对此正态特征信号进行过程监控。
3.
In this paper, we show the basic mathematic model and separated algorithms of blind source separation (BSS)/ independent component analysis (ICA) firstly, we discuss in more detail uniqueness issues about the nonlinear BSS/ICA problems.
本文主要阐述了非线性盲源分离(BSS)/独立成分分析(ICA)模型的基本数学原理、分离算法、算法性能及其应用。
4) independent component analysis(ICA)
独立成分分析
1.
A new model building method of near-infrared(NIR) spectra based on independent component analysis(ICA) and support vector regression(SVR) was proposed.
首先采用独立成分分析(ICA)提取近红外光谱数据矩阵的独立成分和相应的混合矩阵,然后用支持向量机回归(SVR)对混合矩阵和实测浓度矩阵进行建模,建立了独立成分分析-支持向量机回归(ICA SVR)的近红外分析建模方法。
2.
Independent component analysis(ICA) is a new method of signal statistical processing and widely used in many fields.
独立成分分析是一种新的信号处理统计方法,被广泛用于各个领域。
3.
This paper proposes a dimensionality reduction and compression method of hyperspectral images based on Independent Component Analysis(ICA) for hyperspectral image analysis.
该文提出了一种以高光谱图像分析为目标的基于独立成分分析的高光谱图像降维和压缩方法。
5) independent component analysis (ICA)
独立成分分析(ICA)
6) independent component analysis(ICA)
独立成分分析(ICA)
补充资料：X射线型成分分析仪
X射线型成分分析仪
X-ray analysis
Xshex一onx旧9 ehengfen fenxly-x射线型成分分析仪(X一ray analyser)利用X射线与元素原子轨道上的电子相互作用所发生的光电效应检测物料化学组成的物料成分分析设备。 X射线是波长为1。一‘2一1。一吕m的电磁波，对物质有较强的穿透能力，并和物质产生包括光电效应在内的多种相互作用。根据发生光电效应后，光子和电离原子的变化情况，可将X射线成分分析分为X射线吸收分析和X射线荧光分析两类。 x射线吸收分析利用原子在一定条件下对射线的选择性吸收分析物质的成分。用射线光子使某原子电离，只能发生在光子能量等于或大于该原子的轨道电子的结合能的条件下，此结合能即是该原子的“吸收限”(吸收边)，当光子能量等于或接近吸收限时，原子对射线的吸收呈现跳跃式的增加，这种现象称为原子对射线的选择性吸收。不同的原子及其各层轨道电子均有不同的吸收限，可以利用这种现象来分析物质的元素。这种型式的分析仪对射线源及分辨系统的要求高，故较少使用，通常仅用于分析铅、钗、钨、铀等重元素。此时，样品中其他元素的吸收限远低于这些重元素，对所用射线产生选择性吸收的几率极小。检测射线透过一定厚度样品后的强度，便可得知目的元素的含量。 x射线荧光分析利用物质的元素被X射线照射后能产生特征X射线(荧光)的现象分析物料成分。当分子的某层轨道电子受到光子照射脱离原子后，其空位将由位于较高能级的电子通过跃迁来补充，同时以X射线形式辐射出多余的能量，此能量等于跃迁电子的能级差△E。每种元素的电子能级都不相同，各层轨道的能级也各异，所以，称这种X射线为特征X射线或X射线荧光，并可根据其特征的么E值来分析元素。特征X射线波长几~h‘/△E，式中h为普朗克常数，。为光速，可以由测定特征波长来分析元素，它们间的关系为人一K(Z一S)，式中，K、S为常数，Z为原子序数。用这种方法可以分析原子序数Z>3的所有元素，是分析物料成分的主要方法。由于轻元素的荧光能量小，分析精度低，故多用于分析Z为12一92的元素。 X射线荧光分析仪按其所用射线源种类分为X射线管式和放射性同位素式两种;按对荧光的色散方法分为波长色散型和能量色散型两种;按使用条件分为离线式、在线式和在流式以及大型和轻便型等。它们实际上又互相交叉，构成种类繁多的分析仪。这些仪器 1般由射线源、谱仪、探测器、单道或多道分析器、计数率计以及电子线路等部分组成。现代的分析仪均配有微机和相应装置以及多种应用和操作软件。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条