×
佐尔坦，萨博奥;Póczos，巴纳巴斯;安德拉斯·Lőrincz

独立子空间分析的分离定理及其结果。 （英语） Zbl 1231.68235号

模式识别 45，第4号，1782-1791（2012）.
摘要：独立分量分析（ICA）是一种混合、独立、非高斯信号源的理论，在信号处理、计算机视觉和模式识别中发挥着重要作用。这一研究领域最基本的推测之一是，独立子空间分析（ISA）是ICA问题的扩展，其中信源组是独立的，可以用传统ICA解决，然后对ICA组件进行分组。这个被称为ISA分离原理的猜想（i）最近已被一些分布类型严格证明，（ii）构成了最先进的ISA求解器的基础，（iii）使人们能够有效地估计未知源的数量和维数，以及（iv）可以推广到ISA任务的推广，例如不同的线性、受控、后非线性、复值、部分观测问题，以及处理非参数源动力学的问题。在这里，我们将回顾这一领域的进展。

引用于2文件

MSC公司：

68吨10 模式识别、语音识别
68T45型 机器视觉和场景理解
62H25个 因子分析和主成分；对应分析

关键词：

分离原则;独立子空间分析;线性系统;受控模型;后非线性系统;复值模型;部分观测系统;非参数源动力学

软件：

ICALAB公司;ARfit公司;固定点算法
PDF格式BibTeX公司 XML格式引用
\textit{Z.Szabó}等人，模式识别45，第4期，1782--1791（2012；Zbl 1231.68235）
全文： 内政部 链接

参考文献：

[1] Jutten，C。；Hérault，J.，《盲源分离：基于神经模拟体系结构的自适应算法》，《信号处理》，第24期，第1-10页（1991年）·Zbl 0729.73650号
[2] Cardoso，J。；Souloumiac，A.，非高斯信号的盲波束形成，IEE Proceedings F，140，6，362-370（1993）
[3] Comon，P.，独立成分分析，一个新概念？，信号处理，36，3，287-314（1994）·Zbl 0791.62004号
[4] Bartlett，M.S。；Movellan，J.R。；Sejnowski，T.J.，独立成分分析人脸识别，IEEE神经网络汇刊，13，6，1450-1464（2002）
[5] 袁，P.C。；Lai，J.H.，使用独立成分分析的人脸表示，模式识别，35，6，1247-1257（2002）·Zbl 1001.68904号
[6] Neemuchwalaa，H。；Hero，A。；Carson，P.，《使用字母-熵测度和熵图进行图像匹配》，《信号处理》，85，2，277-296（2005）·兹比尔1148.94317
[7] McKeown，M.J。；Makeig，S。；布朗，G.G。；Jung，T.-P。；Kindermann，S.S。；贝尔，A.J。；Sejnowski，T.J.，通过盲分离独立空间成分对fMRI数据的分析，人脑绘图，6160-188（1998）
[8] 贝尔·A·J。；Sejnowski，T.J.，《自然场景的“独立组件”是边缘过滤器》，《视觉研究》，37，3327-3338（1997）
[9] Jenssen，R。；Eltoft，T.，纹理分割的独立成分分析，模式识别，36，13，2301-2315（2003）·Zbl 1054.68159号
[10] Hyvärinen，A。；Oja，E.，《独立成分分析：算法和应用》，神经网络，13，4-5，411-430（2000）
[11] Cichocki，A。；Amari，S.，自适应盲信号和图像处理（2002），Wiley
[12] Hyvärinen，A。；Karhunen，J。；Oja，E.，《独立成分分析》（2001），威利
[13] Choi，S。；Cichocki，A。；帕克，H。；Lee，S.，《盲源分离与独立成分分析》，《神经信息处理：信件与评论》，第6期，第1-57页（2005年）
[14] J.Cardoso，多维独立成分分析，收录于：ICASSP 1998，第1941-1944页。；J.Cardoso，多维独立成分分析，载于：ICASSP 1998，第1941-1944页。
[15] Hyvärinen，A。；Hoyer，P.O.，通过将自然图像分解为独立的特征子空间，相位和平移不变特征的出现，神经计算，121705-1720（2000）
[16] Kim，H。；Choi，S。；Bang，S.，通过独立特征子空间分析对共表达基因进行分组的成员评分，（IJCNN（2003）），1690-1695
[17] Sharma，A。；Paliwal，K.K.，使用向量峰度的子空间独立分量分析，模式识别，39，2227-2222（2006）·Zbl 1100.68106号
[18] Theis，F.J.，使用联合块对角化将盲信号分离为相关信号组，（ISCAS（2005）），5878-5881
[19] Lathauwer，L.D。；摩尔，B.D。；Vandewalle，J.，通过盲源子空间分离提取胎儿心电图，IEEE生物医学工程学报，47，5，567-572（2000）
[20] Stögbauer，H。；Kraskov，A。；阿斯塔霍夫，S.A。；Grassberger，P.，基于互信息的最小相关成分分析，《物理评论E：统计、非线性和软物质物理学》，70，6，066123（2004）
[21] 马，S。；李，X.-L。；科雷亚，N。；阿达利，T。；Calhoun，V.，fMRI数据先验信息的独立子空间分析，（ICASSP（2010）），1922-1925
[22] 科尔，F。；Wübbeler，G.等人。；科洛萨，D。；Elster，C。；Bär，M。；Orglmeister，R.，《非独立BSS：具有可控依赖性的诱发脑乙二醇信号模型》（ICA（2009）），443-450
[23] Olshausen，B.A。；Field，D.J.，《通过学习自然图像的稀疏代码产生简单细胞感受野特性》，《自然》，381，607-609（1996）
[24] 西森，Y。；南卡罗来纳州阿卡霍。；Plumbley，M.D.，独立子空间分析的标志流形上的黎曼优化方法，（ICA（2006）），295-302·Zbl 1178.68449号
[25] Choi，H。；Choi，S.，独立子空间分析的相对梯度学习，（IJCNN（2006）），3919-3924
[26] 桑托斯，C.S。；Kögler，J.E。；Hernandez，E.D.M.，使用独立子空间分析选择纹理处理中使用的过滤器，（ICIP（2005）），465-468
[27] Le，Q。；邹伟（Zou，W.）。；杨，S。；Ng，A.，动作识别的叠加卷积独立子空间分析（CVPR（2011）），3361-3368
[28] Hyvärinen，A。；Hoyer，P.O。；Inki，M.，地形独立成分分析，神经计算，13，7，1527-1558（2001）·兹比尔1009.62049
[29] 李S.Z。；吕，X。；Zhang，H.，多视角人脸模式的视子空间分析，（RATFG-RTS（2001）），125-132
[30] Casey，医学硕士。；韦斯特纳，A.，通过独立子空间分析分离混合音频源，（ICMC（2000）），154-161
[31] Fan，Z。；周，J。；Wu，Y.，基于独立子空间分析的运动分割，（ACCV（2004））
[32] Kim，J.K。；Choi，S.，用于聚类的基因表达数据的树依赖成分，（ICANN（2006）），837-846
[33] 萨博，Z。；Póczos，B。；Lőrincz，A.，欠完全盲子空间反褶积，机器学习研究杂志，81063-1095（2007）·Zbl 1222.68315号
[34] A.Hyvärinen，时间相关随机过程的独立成分分析，载于：ICANN 1998，第541-546页。；A.Hyvärinen，时间相关随机过程的独立成分分析，载于：ICANN 1998，第541-546页。
[35] Pedersen，M.S。；Larsen，J。；Kjems，美国。；Parra，L.C.，卷积盲源分离方法的调查，（Springer语音处理手册（2007），Springer）
[36] 朱滕，C。；Karhunen，J.，《非线性系统盲源分离（BSS）和独立成分分析（ICA）的进展》，《国际神经系统杂志》，14，5，267-292（2004）
[37] Anemüller，J。；Sejnowski，T.J。；Makeig，S.，频域脑电图数据的复杂独立分量分析，神经网络，1611311-1323（2003）
[38] 卡尔霍恩，V。；阿达利，T。；Pearlson，G。；van Zijl，P。；Pekar，J.，《复杂域fMRI数据的独立成分分析》，《医学中的磁共振》，48，180-192（2002）
[39] Anemüller，J。；Duann，J。；Sejnowski，T.J。；Makeig，S.，通过复杂独立成分分析揭示的fMRI记录中的时空动力学，神经计算，69，13-15，1502-1512（2006）
[40] Chan，K。；Lee，T.-W。；Sejnowski，T.J.，缺失数据ICA的变分贝叶斯学习，神经计算，1991-2011（2003）·Zbl 1085.68122号
[41] Cemgil，A.T。；Févotte，C。；Godsill，S.J.，贝叶斯信源分离的变分和随机推断，数字信号处理，17，891-913（2007）
[42] Anemüller，J.，具有约束混合系统的多维源的二阶分离，（ICA（2006）），16-23·Zbl 1147.94307号
[43] 盖，T.M。；Thomas，J.A.，《信息理论的要素》（1991），威利出版社：美国纽约威利出版社·兹比尔0762.94001
[44] 马，L。；Zhang，L.，自然图像过完备独立特征子空间的贝叶斯估计，（ICA（2007）），746-753·Zbl 1173.94327号
[45] Hyvärinen，A。；Inki，M.，估计图像窗口的过完备独立分量基，数学成像与视觉杂志，17，2，139-152（2002）·Zbl 1028.68190号
[46] Hotelling，H.，《将复杂的统计变量分析为主要成分》，《教育心理学杂志》，24417-441（1933）·JFM 59.1182.04号文件
[47] Póczos，B。；Lőrincz，A.，使用k最近邻域距离的独立子空间分析，（ICANN（2005）），163-168
[48] Learnd-Miller，E.G。；Fisher III，J.W.，ICA使用熵的间距估计，机器学习研究杂志，41271-1295（2003）·Zbl 1061.62007年
[49] Theis，F.J.，《复杂和多维独立成分分析的唯一性》，《信号处理》，84，5，951-956（2004）·Zbl 1145.94384号
[50] Theis，F.J.，走向一般独立子空间分析，（NIPS（2007）），1361-1368·Zbl 0697.93017号
[51] S.Amari，A.Cichocki，H.H.Yang，盲信号分离的新学习算法，载：NIPS，1996，第757-763页。；S.Amari，A.Cichocki，H.H.Yang，盲信号分离的一种新学习算法，收录于：NIPS，1996年，第757-763页。
[52] 萨博，Z。；Póczos，B.，非参数独立过程分析，（EUSIPCO（2011）），1718-1722
[53] 方，K.-T。；科茨，S。；Ng，K.W.，对称多变量和相关分布（1990），Chapman和Hall·Zbl 0699.62048号
[54] 古普塔，A.K。；Song，D.，（L^p）-范数球面分布，《统计规划与推断杂志》，60，2，241-260（1997）·Zbl 0900.62270号
[55] Takano，S.，因变量的Fisher信息和熵权不等式（第七届概率论和数理统计日俄研讨会论文集（1995））·Zbl 0949.62502号
[56] Abed-Meraim，K。；Belouchrani，A.，联合块对角化算法（EUSIPCO（2004）），209-212
[57] Theis，F.J.，使用特征函数的多维独立成分分析（EUSIPCO（2005））·Zbl 1145.94384号
[58] 诺德豪森，K。；Oja，H.，使用三个散布矩阵的独立子空间分析，奥地利统计杂志，40，1-2，93-101（2011）
[59] Póczos，B。；Takács，B。；Lőrincz，A.，《创新的独立子空间分析》（ECML（2005）），698-706
[60] R.H.Lambert，《多通道盲反褶积：FIR矩阵代数与多径混合分离》，南加州大学博士论文，1996年。；R.H.Lambert，《多通道盲反褶积：FIR矩阵代数与多径混合分离》，南加州大学博士论文，1996年。
[61] Petrov，V.，m因变量的中心极限定理，（概率论和数理统计全联合会议论文集（1958）），38-44
[62] Neumaier，A。；Schneider，T.，多元自回归模型的参数和特征模式估计，ACM数学软件汇刊，27，1，27-57（2001）·兹比尔1070.65503
[63] 施耐德，T。；Neumaier，A.，算法808:ARfit-多元自回归模型参数和特征模式估计的Matlab包，ACM数学软件交易，27，1，58-65（2001）·Zbl 1070.65504号
[64] Choi，S.，解相关和独立成分分析的差分学习算法，神经网络，19，10，1558-1567（2006）·Zbl 1178.68402号
[65] Rajagopal，R。；Potter，L.C.，多元MIMO FIR反演，IEEE图像处理汇刊，12458-465（2003）
[66] 萨博，Z。；Póczos，B。；Lőrincz，A.，通过线性预测进行欠完全盲子空间反褶积，（ECML（2007）），740-747
[67] Póczos，B。；萨博，Z。；Kisklinger，M。；Lőrincz，A.，《无先验维度信息的独立过程分析》（ICA（2007）），252-259·Zbl 1172.94324号
[68] Szabó，Z.，完全盲子空间反褶积，（ICA（2009）），138-145·Zbl 1301.94028号
[69] Choi，S。；Cichocki，A.，通过时空去相关和分层实现盲信号反褶积，信号处理神经网络，7426-435（1997）
[70] A.Mansour，C.Jutten，P.Loubaton，卷积混合物中盲分离源的子空间方法，见：EUSIPCO 1996，第2081-2084页。；A.Mansour，C.Jutten，P.Loubaton，卷积混合中源盲分离的子空间方法，见：EUSIPCO 1996，第2081-2084页。
[71] S.Icart，R.Gautier，使用二阶和四阶矩盲分离卷积混合物，载于：ICASSP 1996，第3018-3021页。；S.Icart，R.Gautier，使用二阶和四阶矩对卷积混合物进行盲分离，载于：ICASSP 1996，第3018-3021页。
[72] A.Gorokhov，P.Loubaton，《多输入多输出ARMA系统：信号提取的二阶盲辨识》，载于：SSAP 1996，第348-351页。；A.Gorokhov，P.Loubaton，多输入多输出ARMA系统：信号提取的二阶盲识别，见SSAP 1996，第348-351页。
[73] 萨博，Z。；Póczos，B。；锆石，G。；Lőrincz，A.，后非线性独立子空间分析，（ICANN（2007）），677-686
[74] 塔勒布，A。；Jutten，C.，后非线性混合中的源分离，IEEE信号处理汇刊，10，47，2807-2820（1999）
[75] 齐河，A。；Kawanabe，M。；Harmeling，S。；Müller，K.-R.，使用线性化变换和时间去相关对后非线性混合物进行盲分离，机器学习研究杂志，4，7-8，1319-1338（2003）·Zbl 1069.94517号
[76] Solé-Casals，J。；Jutten，C。；Pham，D.，用于改进PNL混合物和Wiener系统反演算法的非线性快速近似，信号处理，851780-1786（2005）·Zbl 1160.94365号
[77] Eriksson，J.，《复杂随机向量和ICA模型：可识别性、唯一性和可分性》，IEEE信息理论汇刊，52，3，1017-1029（2006）·Zbl 1293.94029号
[78] 萨博，Z。；Lörincz，A.，广义方差的实数和复数独立子空间分析，（ICARN（2006）），85-88
[79] 西森，Y。；南卡罗来纳州阿卡霍。；Plumbley，M.D.，复独立子空间分析中复标志流形上的自然共轭梯度，（ICANN（2008）），165-174
[80] 克利须那，P。；Lin，J.，复椭圆对称分布，统计学中的通信，15，12，3693-3718（1986）·Zbl 0607.62052号
[81] 萨博，Z。；Lőrincz，A.，《受控动力系统中的独立子空间分析》（ICARN（2008）），9-12
[82] Szabó，Z.，缺失观测值的自回归独立过程分析，（ESANN（2010）），159-164
[83] Krolzig，H.-M.，马尔可夫转换向量自回归。建模、统计推断及其在商业周期分析中的应用（1997），施普林格·Zbl 0879.62107号
[84] Póczos，B。；Lőrincz，A.，通过贝叶斯询问技术识别递归神经网络，机器学习研究杂志，10，515-554（2009）·Zbl 1235.68181号
[85] Lomba，J.T.，《变量中存在误差的动态计量经济模型的估计》（《经济学和数学系统讲稿》，第339卷（1990年），施普林格出版社）·Zbl 0699.62103号
[86] García-Hiernaux，a。；卡萨尔斯，J。；Jerez，M.，状态空间形式下时间序列模型的快速估计方法，《统计计算与模拟杂志》，79，2，121-134（2009）·Zbl 1161.62057号
[87] 卡迪亚拉，K.R。；Karlsson，S.，贝叶斯VAR模型中估计和推断的数值方法，应用经济学杂志，12，99-132（1997）
[88] Bosq，D.，《随机过程的非参数统计：估计和预测》（统计讲义（1998），施普林格）·Zbl 0902.62099号
[89] N.Hilgert，B.Portier，函数自回归模型中基于核的误差密度估计的强一致一致性和渐近正态性，技术报告，（2009年）http://arxiv.org/abs/0905.2327v\（1\rangle\）；N.Hilgert，B.Portier，函数自回归模型中基于核的误差密度估计的强一致一致性和渐近正态性，技术报告，（2009年）http://arxiv.org/abs/0905.2327v\（1\rangle\）·Zbl 1242.62027号
[90] 萨博，Z。；Póczos，B。；Lőrincz，A.，独立过程分析的交叉工程优化，（ICA（2006）），909-916·Zbl 1178.94115号
[91] 鲁宾斯坦，R.Y。；Kroese，D.P.，《交叉熵方法》（2004），施普林格出版社·Zbl 1232.90142号
[92] 哈代，G.H。；Ramanujan，S.I.，组合分析中的渐近公式，伦敦数学学会学报，17，1，75-115（1918）·联合财务报表46.0198.04
[93] Uspensky，J.V.，分区理论中出现的数值函数的渐近公式，俄罗斯科学院公报，14，6，199-218（1920）
[94] Póczos，B。；Lőrincz，A.，独立自回归源的非组合估计，《神经计算快报》，69，2416-2419（2006）
[95] 萨博，Z。；Póczos，B。；Lőrincz，A.，无组合努力的自动回归独立过程分析，模式分析与应用，13，1-13（2010）
[96] 萨博，Z。；Lőrincz，A.，《独立子空间分析可以应对“维度诅咒”》，《控制论学报》（+Symp.Intell.Syst.2006），18，213-221（2007）·Zbl 1135.62348号
[97] Gruber，P。；沟渠，H.W。；Theis，F.J.，未知维独立子空间的分层提取，（ICA（2009）），259-266
[98] 巴赫，F.R。；Jordan，M.I.，《独立组件之外：树和簇》，《机器学习研究杂志》，第4期，第1205-1233页（2003年）·Zbl 1061.62095号
[99] Yan，D。；黄，L。；Jordan，M.I.，《快速近似光谱聚类》（KDD（2009）），907-916
[100] Póczos，B。；Lőrincz，A.，使用测地生成树的独立子空间分析，（ICML（2005）），673-680
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。