当前位置: 首页 » 资料 » 健康论文 » 改进的ICA算法及其在fMRI信号上的应用

改进的ICA算法及其在fMRI信号上的应用

放大字体  缩小字体 更新日期:2018-11-26  浏览次数:5
摘 要:针对目前广泛使用的两种独立成分分析(ICA)算法(fixed―point算法和infomax算法)在处理功能磁共振成像(mRI)数据时速度较慢的特点,给出了独立成分分析的一个优化模型,在此基础上,提出
  • 【题 名】改进的ICA算法及其在fMRI信号上的应用
  • 【作 者】翁晓光 王惠南
  • 【机 构】南京航空航天大学自动化学院 江苏南京210016
  • 【刊 名】《华南理工大学学报:自然科学版》2009年 第5期 27-30页 共4页
  • 【关键词】独立成分分析 盲源分离 牛顿迭代法 功能磁共振成像
  • 【文 摘】针对目前广泛使用的两种独立成分分析(ICA)算法(fixed―point算法和infomax算法)在处理功能磁共振成像(mRI)数据时速度较慢的特点,给出了独立成分分析的一个优化模型,在此基础上,提出了一种快速的牛顿型迭代算法.该算法采用修正后的牛顿迭代形式,使收敛速度达到三阶.将文中算法与其它两种算法应用于实际fMRI数据,实验结果表明,文中算法能够很好地分离出任务成分,同时大大减少了运算量,提高了运算速度,在处理大数据量的fMRI信号方面有明显的优势.
 
本文导航:
  • (1) 独立成分分析,盲源分离,牛顿迭代法,功能磁共振成像
  • 下一篇:鳖甲
  • 上一篇:暂无
 
[ 资料搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]

 

 
推荐图文
推荐资料
热门关注