独立成分分析的有效算法及应用研究

独立成分分析(independent component analysis, 简称ICA)是一种新的数据处理方法，引起了诸如：神经网络界，信号处理界，应用数学界等各领域学者的研究兴趣，是国际上各国学者研究的热点问题。ICA的应用范围已经扩展到图像处理、语音信号处理、生物医学信号处理、模式识别、数据挖掘、通讯等领域，显示着极高的应用价值。但由于现实世界的复杂性，标准的ICA面对真实的、大规模的数据处理时通常不符合实际。本项目研究将在已有工作的基础上，重点针对更加符合实际情况的扩展的ICA问题进行深入地研究。探讨扩展的ICA模型的数学理论基础；在问题的实际应用背景条件下，通过大量的数值试验，构建几个新的更加有效的ICA算法，并研究其数学理论；研制完成一种使用灵活方便的独立成分分析的软件系统，以求在生物医学信号处理、语音信号处理、图像处理、数据挖掘、信息安全、生物信息学等领域进行实际的应用。