说明:双击或选中下面任意单词,将显示该词的音标、读音、翻译等;选中中文或多个词,将显示翻译。
您的位置:首页 -> 词典 -> 频域独立成分分析
1)  spectral independent component analysis(spectral ICA)
频域独立成分分析
1.
Based on the existing spectral independent component analysis(spectral ICA) and non-negative constrained decomposition,a moving time window is introduced,and multiple dominant spectral components are extracted within the short-time window.
结合已有的频域独立成分分析方法以及带约束的非负分解处理,引入时间滑动窗口,在短时窗内动态提取多重主导功率频谱。
2)  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。
3)  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。
4)  independent component analysis (ICA)
独立成分分析(ICA)
5)  independent component analysis(ICA)
独立成分分析(ICA)
6)  ICA
独立成分分析
1.
Face recognition based on BUICA;
基于分块独立成分分析的人脸识别
2.
Face recognition based on KICA and BP neural network;
基于核独立成分分析和BP网络的人脸识别
3.
Multi-spectral reconstruction based on the method of independent component analysis (ICA);
基于独立成分分析法ICA的多光谱重建
补充资料:动态电路复频域分析


动态电路复频域分析
complex frequency-domain analysis of dynamic circuits

  dongto}dlonlu卞uP一ny日fenx{动态电路复频域分析(eomplex frequeney-domain analysisof dynamie eireuits)用拉普拉斯变换方法分析动态电路。作为数学工具,拉普拉斯变换是一种积分变换,常用以求线性常系数微分方程和偏微分方程的解。线性非时变集总参数动态电路是用常系数线性常微分方程描述的,线性非时变分布参数电路是由相应的偏微分方程描述的。因而,对于这些电路可借助拉普拉斯变换方法进行分析。 拉普拉斯变换的定义拉普拉斯变换方法简称拉氏变换方法。拉氏变换可分为单边拉氏变换和双边拉氏变换。此处只介绍单边拉氏变换的定义。 设时间t的函数f(t),当t。。时,上式的积分收敛,则f(t)的拉氏变换存在。使以上关系成立的最小的。。值称为收敛坐标。F(s)也称为f(约的象函数,而f(t)称为F(,)的原函数。给定一原函数f(t),可由定义式求其象函数;反之,由一象函数F(:)可按下式求其原函数f(t)、一二(5)〕一、(才)一瑞{:‘:二F‘了)一d‘,·>一 根据拉氏变换的定义式,可以求出不同的原函数f(t)的象函数F(s)。许多数学手册上都载有f(t)和F(、)对应关系的表以供查阅。表中所给出的是常用函数的拉氏变换关系。 常用函数的拉氏变换表┌────┬──────────────┬───┬───────┐│f(t) │F(s) │…f(t)│F(s) │├────┼──────────────┼───┼───────┤│u(t) │ 一│……冬│ 1 ││e一以 │ 1/s │ │。。/(52+a,8)││Cos田ot │1/(s+a)l │ │ n!/s+, ││ │s/(52+。8) │ │ │└────┴──────────────┴───┴───────┘ 拉普拉斯变换的一些墓本性质在利用拉氏变换方法分析动态电路时,借助拉氏变换的一些性质可使问题简化。其主要性质有:若丫「fl(t)〕~Fl(、)、丫[f:(t)]一尸:(s)、犷[f(t)]=尸(s),则 (1)线性:对任何常数kl、kZ有 牙[klf:(t)+k:九(t)]一k,F,(s)+kZF:(s) (2)对t微分厂、「df(约门”,、,,。、之之},-一下下一l一Sr气百夕一j、UZ ‘a不山(3)对t积分、「{1_、(·)d·」一F(·)/·十f一’(。,/·式中f一,(0)一 (4)延时:f(约d:t。是正常数,有即f卜设 g「f(t一t。
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