ICA-EJB構(gòu)件在數(shù)據(jù)挖掘框架中的應(yīng)用與研究.pdf

1、近年來，伴隨盲信號分離問題產(chǎn)生的獨(dú)立分量分析(Independent ComponentAnalysis，簡稱為ICA)理論己逐漸成為統(tǒng)計(jì)信號處理中的一個研究熱點(diǎn)，并正迅速成為多維數(shù)據(jù)分析的一個有力工具。獨(dú)立分量分析是通過分析多維觀測數(shù)據(jù)之間的高階統(tǒng)計(jì)相關(guān)性，找出相互獨(dú)立的隱含信息成份，從而可以去除分量間的高階冗余以及提取獨(dú)立的信源。獨(dú)立分量分析與其他方法相比較(如PCA)，突出的特點(diǎn)是：它以分量間相互獨(dú)立為分離準(zhǔn)則，在源數(shù)據(jù)和混合方式

2、均未知的前提下，盡可能無失真的從觀測數(shù)據(jù)中分離出隱含的獨(dú)立信源。這一特點(diǎn)使得獨(dú)立分量分析方法在圖像特征提取，模式識別和數(shù)據(jù)挖掘等領(lǐng)域中有著廣泛的應(yīng)用前景。 數(shù)據(jù)挖掘是近年來計(jì)算機(jī)領(lǐng)域的研究熱點(diǎn)。它是一個非平凡的模式辨識過程，它從大量的數(shù)據(jù)中尋求正確的、新穎的、具有內(nèi)在價(jià)值的、和最終可解釋的模式。海量科學(xué)數(shù)據(jù)不但數(shù)量巨大，而且特征復(fù)雜、維數(shù)高，向傳統(tǒng)的數(shù)據(jù)挖掘預(yù)處理技術(shù)提出了挑戰(zhàn)。復(fù)雜數(shù)據(jù)的出現(xiàn)迫切要求新的特征處理技術(shù)，而數(shù)據(jù)挖掘

3、書中卻常將降維技術(shù)忽略。 在介紹了智能計(jì)算的概念及發(fā)展現(xiàn)狀之后，簡介了ICA/PCA算法；對軟件構(gòu)件、EJB和數(shù)據(jù)挖掘進(jìn)行了概述，設(shè)計(jì)了數(shù)據(jù)挖掘系統(tǒng)框架，并設(shè)計(jì)了兩個EJB容器，這兩個容器基于數(shù)據(jù)挖掘系統(tǒng)框架的數(shù)據(jù)預(yù)處理和知識發(fā)現(xiàn)；另外，詳述了基于ICA的多種算法，并將這些算法進(jìn)行了對比，對牛頓迭代法進(jìn)行兩種修正，提出了一種改進(jìn)FastICA算法，并設(shè)計(jì)出一套適合進(jìn)行數(shù)據(jù)預(yù)處理的ICA算法，該算法為基于負(fù)熵的FastICA方法；