收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

独立成分分析算法研究及其在功能核磁共振成像中的应用

钟明军  
【摘要】:独立成分分析是一种新的数据处理方法,已经成功地应用于语音信号处理、通信、脸谱识别、神经计算和医学信号处理等众多领域。近年来,扩展的独立成分分析问题受到越来越多的关注,本论文就具有噪音的独立成分分析进行了一些研究。主要的研究成果如下: 1.过完整表示的独立成分分析问题是近几年的一个新的研究热点,传统的方法是基于梯度的方法,需要假设噪音为零,而多数实际问题具有高斯噪音,还需要设定恰当的迭代步长。本文提出了一个解决过完整表示问题的期望最大(EM)算法。首先用极大后验估计得到系数的估计值,利用先验分布的单峰对称性,将系数的后验分布表示为高斯分布的形式,推导出系数后验分布的一阶和二阶统计量。基向量是通过极大似然方法估计得到的,给定条件统计量,推导出一个EM算法估计基向量并推断出过完整表示的系数。该方法不需要假设噪音为零,也不需要设定迭代步长。采用文献Lee et al.(1999)里的例子,从两个混合信号中分离出三个源语音信号,这三个估计出的源信号的信噪比分别是24dB,21dB,22dB,而用传统的方法得到的信噪比分别是20dB,17dB,21dB,因此,这个方法增大了信号的信噪比。 2.芬兰著名学者Aapo Hyvrinen(1998)提出了一种解决具有噪音的独立成分分析问题的有效方法,但是需要假设噪音为零。本文提出了一个解决具有噪音的独立成分分析问题的EM算法,该方法表明源信号的后验分布可以表示为高斯分布的形式,这样就能给出后验分布的近似条件统计量,并使用期望最大算法求出混合矩阵和高斯噪音协方差矩阵。实例表明提出的算法可以解决超高斯和亚高斯混合信号的盲源分离问题,与Aapo Hyvrinen(1998)的结果相比较,用KL距离作为比较准则,估计出的源信号更准确。 3.用变分方法解决具有噪音的独立成分分析问题是近几年出现的一种新技术。独立成分分析中的关键问题是如何得到后验分布的条件统计量,传统的方法是用蒙特卡洛模拟估计这个条件统计量,这需要很大的计算量。对于超高斯源信号,作者通过引入一个变分参数找到了密度函数的一个下界,而这个下界是高斯密度函数的形式,由此得到后验分布条件统计量的一个标准形式。给定这个条件统计量,就可以利用期望最大算法来估计模型的参数。实例表明将提出的方法与扩展的信息最大化方法比较,用Amari et al.(1996)提出的判断准则作为标准,用本文的方法得到的混合矩阵更接近于真实的混合矩阵。 对于亚高斯源信号,选择Pearson混合模型作为先验分布,同样得到后验分布统计量的一个标准形式,用期望最大算法求出模型的参数。实例表明该算法能解决当源信号维数大于混合信号维数时的二进制信号的盲源分离问题,如果用M表示源信号的维数, 大连理工大学博士学位论文 则计算复杂性为0(M”),而Attias(1999)以及Pajunen(1997)的方法具有指数形式的计 算复杂性. 4.AFM是一个对舰BJ信号进行统计分析的著名软件,神经科学家对它的数学基 础一直缺乏直观的了解,很难灵活的使用该软件,因此,本文详细的讨论了AFNI的数 学基础,特别地讨论了如何用一般的线性模型以及反卷积分析对fMRI信号进行分析, 如何对这个线性模型做假设检验.为了具体的说明间题,本文给出了一个用反卷积方法 分析fM斑数据的例子,这为我们进一步研究fMRI数据奠定了基础. 5.对fMIU信号的研究大多是在假定已知事件相关时间过程曲线的情况下,利用相 关性分析得到脑的激活区域.将fM斑信号分析看作是一种盲源分离间题,在不清楚有哪 几种因素对舰斑信号有贡献、也不清楚其时间过程曲线的情况下,用空间独立成分分 析方法对fM斑信号进行盲源分离,提取不同独立成分得到任务相关成分、头动成分、 瞬时任务相关成分、噪声干扰、以及其它产生fMm信号的多种源信号.实例与主成分分 析相比较发现,独立成分分析能得到更多的脑内激活信号,并且在相同的网值情况下, 独立成分分析的激活区域更大.


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 史振威,钟明军,唐焕文,唐一源;基于投影方法的约束独立成分分析[J];运筹与管理;2004年05期
2 陈华富;独立成分分析及其应用的研究进展[J];生物医学工程学杂志;2003年02期
3 范丽伟,唐焕文,唐一源;独立成分分析应用于fMRI数据研究[J];大连理工大学学报;2003年04期
4 武振华,史振威,唐焕文,唐一源;新的独立成分分析算法实现功能磁共振成像信号的盲分离[J];生物物理学报;2004年03期
5 张燕昆,刘重庆;基于核独立成分分析的人脸识别[J];光学技术;2004年05期
6 孙学军,李丽云,刘买利,叶朝辉;脑功能核磁共振成像在精神疾病中的应用[J];波谱学杂志;2001年01期
7 龙志颖,姚力,赵小杰,丁国胜,彭聃龄;空间ICA在fMRI数据上的应用与分析[J];中国医学物理学杂志;2003年04期
8 李松臣;张世英;;向量ARFIMA模型基于独立成分分析的协整研究(英文)[J];南开大学学报(自然科学版);2007年05期
9 肖鹏;杜燕飞;;独立成分分析和模糊支持向量机在财务困境预测中的应用[J];陕西科技大学学报(自然科学版);2009年04期
10 李章勇,向天雨,殷跃辉,牛永红,阳家长,谢正祥;心动周期信号中独立成分的分离[J];生物医学工程学杂志;2004年03期
11 高盛贤;田金方;谭昱;;基于独立成分的沪指波动影响因素研究[J];统计教育;2009年04期
12 汪伟;华琳;郑卫英;刘红;;基于独立成分分析和随机森林判别法的Microarray分析及在分子生物学中的应用[J];中国优生与遗传杂志;2009年08期
13 周虹君;杨浩;林一莽;;利用独立成分分析和小波矩对车牌字符特征的识别[J];西南师范大学学报(自然科学版);2010年02期
14 宋广庆;;基于独立成分分析的模型失配评估方法[J];科协论坛(下半月);2008年09期
15 侯振雨;姚树文;谷永庆;徐甲强;;独立成分分析支持向量机回归模型及其在近红外光谱分析中的应用[J];河南师范大学学报(自然科学版);2006年02期
16 张小燕;杨卫平;冯洁;李宏宁;孙波;杨晓莉;段剑金;石俊生;;光谱重建中ICA和PCA的对比[J];云南师范大学学报(自然科学版);2007年03期
17 张小燕;杨卫平;周洪涛;戴志福;张培;冯洁;;基于独立成分分析法ICA的多光谱重建[J];光学技术;2007年03期
18 许启发;;投资组合动态VaR风险度量[J];统计与信息论坛;2008年06期
19 冯文惠;郭秀峰;;基于独立成分分析的数字水印研究[J];河南师范大学学报(自然科学版);2009年03期
20 许燕斌;王化祥;崔自强;;基于独立成分分析的水平管气液两相流分相信息提取[J];化工学报;2009年12期
中国重要会议论文全文数据库 前10条
1 刘春红;李峰;李素芳;张高燕;杨志;董杰;王传跃;;抑郁症及其健康同胞静息状态下默认网络的独立成分分析[A];中华医学会精神病学分会第九次全国学术会议论文集[C];2011年
2 李强伟;;独立成分分析及其在两相流信号处理中的应用[A];第二十七届中国控制会议论文集[C];2008年
3 王桂安;余先川;方李根;张婷;;快速独立成分分析及其在矿产预测中的应用[A];第七届全国数学地质与地学信息学术会议论文摘要汇编[C];2004年
4 王国庆;彭杨;孙晓丽;董春红;;基于AKICA-UV的大黄炮制过程监控及终点确定[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
5 徐仔波;陈文超;高静怀;;基于独立成分分析的改进SVD算法研究[A];中国地球物理学会第二十四届年会论文集[C];2008年
6 杜一平;张明锦;;ICA-ULDA方法用于蛋白质组学质谱数据分析及潜在生物标记物探寻[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
7 吴新杰;陈跃宁;石玉珠;蒋秋莉;;空间滤波和独立成分分析在速度测量中的应用[A];第二届全国信息获取与处理学术会议论文集[C];2004年
8 刘文思;耿艳峰;赵丹;于光金;张允宁;姜威;;ICA技术在两相流检测中的应用研究[A];第十五届中国海洋(岸)工程学术讨论会论文集(中)[C];2011年
9 谢元芳;张正国;;两导心电信号的独立成分分析[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年
10 王桂安;余先川;方李根;张婷;;独立成分分析研究综述[A];第七届全国数学地质与地学信息学术会议论文摘要汇编[C];2004年
中国博士学位论文全文数据库 前10条
1 钟明军;独立成分分析算法研究及其在功能核磁共振成像中的应用[D];大连理工大学;2004年
2 王志阳;约束独立成分分析及其在滚动轴承故障诊断中的应用[D];上海交通大学;2011年
3 史振威;独立成分分析的若干算法及其应用研究[D];大连理工大学;2005年
4 袁莉芬;基于独立成分分析技术的模拟电路故障诊断新方法[D];湖南大学;2011年
5 何峰;胃电检测方法的研究及相关数据分析[D];天津大学;2009年
6 陈华富;磁共振响应信号的模型与脑功能定位的磁共振方法研究[D];电子科技大学;2004年
7 许燕斌;基于电阻成像技术的水平管气液两相流研究[D];天津大学;2009年
8 李章勇;心电和诱发电位的现代提取和分析技术研究[D];重庆医科大学;2004年
9 王宏漫;人面部的代数特征与几何特征的提取及识别[D];大连理工大学;2003年
10 郭振华;面向统计过程控制的成分提取技术研究与应用[D];华中科技大学;2005年
中国硕士学位论文全文数据库 前10条
1 武振华;独立成分分析及其在脑高级功能研究中的应用[D];大连理工大学;2004年
2 马建;基于独立成分分析的说话人识别技术研究[D];电子科技大学;2005年
3 权松民;独立成分分析方法在儿童镇静状态下视觉刺激fMRI中的应用[D];中国医科大学;2006年
4 陈玉山;基于独立成分分析的数字水印算法研究[D];厦门大学;2007年
5 张伟伟;独立成分分析及其在脑功能磁共振成像中的应用[D];大连理工大学;2006年
6 祁涛;基于L_1-模的独立成分分析[D];山东大学;2009年
7 罗竞佳;基于PCA/ICA的多数据流关联及模式发现[D];大连理工大学;2009年
8 胡月;基于主成分分析和独立成分分析的人脸识别研究[D];吉林大学;2010年
9 刘骏伟;视频对象检测及其在视频语义内容分析中的应用[D];浙江大学;2003年
10 郭瑞;基于统计方法的人脸识别算法研究与性能评估[D];国防科学技术大学;2003年
中国重要报纸全文数据库 前1条
1 ;揭示大脑奥秘[N];科技日报;2003年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978