Analisis Komponen Bebas (ICA)
Analisis Komponen Bebas (ICA) ialah kaedah pengiraan untuk mengasingkan isyarat multivariat kepada subkomponen aditif yang bebas secara statistik. Diformalkan oleh Pierre Comon pada tahun 1994, ICA menjadi rangka kerja asas untuk pemisahan sumber buta dan digunakan secara meluas dalam neuroimejing (fMRI, EEG), pemprosesan pertuturan, dan analisis isyarat bioperubatan.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Comon, P. (1994). Independent component analysis, a new concept? Signal Processing, 36(3), 287–314. DOI: 10.1016/0165-1684(94)90029-9 ↗
- Hyvärinen, A., Karhunen, J., & Oja, E. (2001). Independent Component Analysis. Wiley. ISBN: 978-0-471-40540-5
Cara memetik halaman ini
ScholarGate. (2026, June 3). Independent Component Analysis (ICA). ScholarGate. https://scholargate.app/ms/machine-learning/independent-component-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Analisis FaktorStatistik Penyelidikan↔ compare
- Penyahfaktoran Matriks Tak-Negatif (NMF)Pembelajaran Mesin↔ compare
- Penguraian Nilai TunggalKaedah Berangka↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →