论文部分内容阅读
独立成分分析（independent component analysis，ICA）是一种混合信号处理与分离方法，能够从多维混合观测数据中分离出各个独立成分。目前，ICA已成功应用于特征提取、信号处理、模式识别等诸多领域。然而，由于实际问题的复杂性，可观测到的混合观测中往往含有噪声、异常点与缺失点，而标准ICA算法对这类数据往往不能有效处理。针对该问题，提出了一种基于L，范数重建的新思路。基本思路是将传统ICA模型中加入L1范数项重新建模，利用L，范数误差对噪声与缺失点的本质稳健性，提高模型应用普适性；进