Mi a független komponenselemzés?

A független komponenselemzés (ICA) egy statisztikai és számítógépes technika a véletlen változók, mérések vagy jelek halmazai mögött rejlő rejtett tényezők feltárására.

AICA egy generatív modellt határoz meg a megfigyelt többváltozós adatokra, amelyek általában minták nagy adatbázisaként vannak megadva. A modellben az adatváltozókról feltételezzük, hogy néhány ismeretlen változó lineáris keverékei, és a keverési rendszer is ismeretlen. A látensváltozókról feltételezzük, hogy nemgauzsi és kölcsönösen függetlenek, és ezeket a megfigyelt adatok független összetevőinek nevezzük. Ezeket a független komponenseket, amelyeket forrásoknak vagy faktoroknak is neveznek, az ICA segítségével lehet megtalálni.

Az ICA felületesen kapcsolódik a főkomponens-elemzéshez és a faktorelemzéshez. Az ICA azonban sokkal erősebb technika, amely képes megtalálni a mögöttes tényezőket vagy forrásokat, amikor ezek a klasszikus módszerek teljesen kudarcot vallanak.

Az ICA által elemzett adatok sokféle alkalmazási területről származhatnak, beleértve a digitális képeket, dokumentum-adatbázisokat, gazdasági mutatókat és pszichometriai méréseket.Sok esetben a mérések párhuzamos jelek vagy idősorok halmazaként adottak; a probléma jellemzésére a vak forrásleválasztás kifejezést használják. Tipikus példák erre a több mikrofonnal felvett egyidejű beszédjelek keverékei, több érzékelő által rögzített agyhullámok, egy mobiltelefonra érkező interferencia-radiojelek vagy valamilyen ipari folyamatból származó párhuzamos idősorok.

Az ICA-val kapcsolatos további információk az alábbi linkeken találhatók:

Rövid magyarázat Tutorial paper (japánul is)

és különösen:

Independent Component Analysis: The Book

Az ICA tényleges elvégzéséhez az adatokon a

FastICA MATLAB csomagot

érdemes használni.