基于ICA与Bayes的判别分析模型

• 作者: 彭红毅 朱思铭 蒋春福
• 来源期刊: 计算机应用研究
• 关键词: 独立成分分析 贝叶斯 相关关系
• 年，卷（期）: 2007,（8）
• 所属期刊栏目: 研究探讨
• 页码范围: 58-59,96
• 页数: 3页
• 分类号: O212|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2007.08.017

摘要

简要介绍了Bayes判别分析模型的特点及存在的问题,概括了独立成分分析(ICA)的特点及发展现状,提出了基于ICA与Bayes的判别分析模型--IBD模型.该模型首先利用ICA的方法将相关性数据指标转换为互相独立的数据指标,并通过卡尔曼滤波方式滤去高频数据,有效地去除了噪声,最后利用Bayes方法对转换的数据进行判别分析.实验结果表明,当数据之间存在相关关系时,IBD模型的判别分析效果要优于Bayes与Fisher判别分析模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱思铭	中山大学数学与计算科学学院	94	573	13.0	20.0
2	蒋春福	深圳大学数学与计算科学学院	19	75	5.0	7.0
3	彭红毅	华南农业大学理学院	12	45	5.0	5.0