ICA

“ICA”，该品牌所属地为瑞典。

在信号处理中，独立成分分析（ICA）是一种用于将多元信号分离为加性子分量的计算方法。 这是通过假设子分量是非高斯信号，并且在统计上彼此独立来完成的。ICA是盲源分离的特例。一个常见的示例应用程序是在嘈杂的房间中聆听一个人的语音的“ 鸡尾酒会问题 ”。

ICA(Independent Component Correlation Algorithm)是一种函数，X为n维观测信号矢量，S为独立的m（m<=n)维未知源信号矢量，矩阵A被称为混合矩阵。ICA的目的就是寻找解混矩阵W（A的逆矩阵），然后对X进行线性变换，得到输出向量U。

最简单的即为最近邻分类器（NNC）：用距离参数表示训练集模板与测试样本的差异，认为测试样本与满足最小距离的训练样本属于同一种表情。

独立成分分析简介

X=AS

U=WX=WAS

function [Out1, Out2, Out3] = fastica(mixedsig, varargin)

%FASTICA(mixedsig) estimates the independent components from given

% multidimensional signals. Each row of matrix mixedsig is one

% observed signal.

% = FASTICA (mixedsig); the rows of icasig contain the

% estimated independent components.

% = FASTICA (mixedsig); outputs the estimated separating

% matrix W and the corresponding mixing matrix A.

mixedsig为输入向量，icasig为求解的基向量。

A即为混合矩阵，可以验证mixedsig=A×icasig。

W即为解混矩阵，可以验证icasig=W×mixedsig。

ICA来自瑞典，著名混合燕麦品牌，含50%超多果干含量的混合燕麦，仅适合泡牛奶酸奶或干吃，而且ICA混合燕麦的果干体积都比较大，没有经过打碎处理，保留了较为完整的形态。ICA不仅果干种类丰富，包含各式水果和坚果，甚至还有酸奶球，口感非常丰富，性价比突出也是其一大优势。