Latent structure
独立成分分析（ICA）
独立成分分析（ICA）是一种计算方法，用于将多元信号分解为加性的、统计上独立的子分量。ICA由Pierre Comon于1994年正式提出，成为盲源分离的基础框架，并广泛应用于神经影像学（fMRI、EEG）、语音处理和生物医学信号分析。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
来源
- 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
如何引用本页
ScholarGate. (2026, June 3). Independent Component Analysis (ICA). ScholarGate. https://scholargate.app/zh/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.
Compare side by side →