Co je analýza nezávislých komponent?

Analýza nezávislých komponent (ICA) je statistická a výpočetní technika pro odhalení skrytých faktorů, které jsou základem souborů náhodných veličin, měření nebo signálů.

ICA definuje generativní model pro pozorovaná vícerozměrná data, která jsou obvykle dána jako velká databáze vzorků. V modelu se předpokládá,že datové proměnné jsou lineární směsi některých neznámýchlatentních proměnných a systém míchání je rovněž neznámý. Předpokládá se, že latentní proměnné jsou negaussovské a vzájemně nezávislé, a nazývají se nezávislé komponenty pozorovaných dat. Tyto nezávislé komponenty, nazývané také zdroje nebo faktory, lze nalézt pomocí ICA.

ICA povrchně souvisí s analýzou hlavních komponent a faktorovou analýzou. ICA je však mnohem výkonnější technika, která je schopna nalézt základní faktory nebo zdroje v případech, kdy tyto klasické metody zcela selhávají.

Data analyzovaná pomocí ICA mohou pocházet z mnoha různých druhů aplikačních oblastí, včetně digitálních obrazů, databází dokumentů, ekonomických ukazatelů a psychometrických měření.

V mnoha případech jsou měření dána jako soubor paralelních signálů nebo časových řad; pro charakterizaci tohoto problému se používá termín slepá separace zdrojů. Typickými příklady jsou směsi souběžných řečových signálů, které byly zachyceny několika mikrofony, mozkové vlny zaznamenané více senzory, interferujícíradio signály přicházející do mobilního telefonu nebo paralelní časové řady získané z nějakého průmyslového procesu.

Více informací o ICA lze nalézt pod následujícími odkazy:

Krátký výklad Tutorial paper (také v japonštině)

a zejména:

Analýza nezávislých komponent: Knížka

Pro skutečné provedení ICA na vašich datech můžete použít

Balíček FastICA MATLAB

.