機器學習筆記—獨立成分分析

標籤：

本文介紹獨立成分分析（ICA），同 PCA 類似，我們是要找到一個新的基來表示資料，但目的就不一樣了。

雞尾酒會問題：n 個人在一個 party 上同時說話，n 個麥克風放置在房間的不同位置，因為每個麥克風跟每個人的距離都不一樣，所以它們記錄的說話者重疊的聲音也不一樣。根據麥克風記錄的聲音，如何分離出 n 個說話者的聲音呢？

為形式化這個問題，我們想象有一些資料 s∈R 是從 n 個獨立的源產生的，我們觀察到的是

x=As，

矩陣 A 是未知的，被稱作混合矩陣，通過不斷觀察得到的是 {x(i);=1,...,m}，我們的目標是找到產生資料（x(i)=As(i)）的源 s(i)。

在雞尾酒問題中，s(i) 是個 n 維向量，sj(i) 是講話者 j 在時間 i 發出的聲音， x(i) 也是個 n 維向量，xj(i) 是麥克風 j 在時間點 i 記錄的聲音。

 

 

參考資料：

[1] http://cs229.stanford.edu/notes/cs229-notes11.pdf

[2] http://blog.csdn.net/stdcoutzyx/article/details/38037659

機器學習筆記—獨立成分分析