ica, independent component analysis, 獨立分量分析, 獨立組分分析, 獨立成分分析
獨立分量分析（independent component analysis，ica）是近年來發展起來的一種新的訊號處理技術。基本的ica是指從多個源訊號的線性混合訊號中分離出源訊號的技術。除了已知源訊號是統計獨立外，無其他先驗知識，ica是伴隨著盲信源問題而發展起來的，故又稱盲分離。
在複雜的背景環境中所接收的訊號往往是由不同信源產生的多路訊號的混合訊號。例如，幾個麥克風同時收到多個說話者語音頻號；在聲納、陣列及通訊訊號處理中，由於耦合使資料相互混疊；多感測器檢測的生物訊號中，得到的也是多個未知源訊號的混疊。ica方法是基於信源之間的相互統計獨立性。與傳統的濾波方法和累加平均方法相比，ica在消除雜訊的同時，對其它訊號的細節幾乎沒有破壞，且去噪效能也往往要比傳統的濾波方法好很多。而且，與基於特徵分析，如奇異值分解（svd）、主成分分析（pca）等傳統訊號分離方法相比，ica是基於高階統計特性的分析方法。在很多應用中，對高階統計特性的分析更符合實際。
獨立分量分析在通訊、陣列訊號處理、生物醫學訊號處理、語音頻號處理、訊號分析及過程控制的訊號去噪和特徵提取等領域有著廣泛的應用，還可以用於資料探勘。
fast-ica演算法是芬蘭赫爾辛基工業大學計算機及資訊科學實驗室hyvarien等人提出並發展起來的。fast-ica演算法基於非高斯性最大化原理，使用固定點（fixed-point）迭**論尋找wtx的非高斯性最大值，該演算法採用牛頓迭代演算法對測量變數x的大量取樣點進行批處理，每次從觀測訊號中分離出乙個獨立分量，是獨立分量分析的一種快速演算法。
ICA 獨立成分分析 筆記
ica又稱盲源分離 blind source separation,bss 它假設觀察到的隨機訊號x服從模型 其中s為未知源訊號，其分量相互獨立，a為一未知混合矩陣。ica的目的是通過且僅通過觀察x來估計混合矩陣a以及源訊號s。大多數ica的演算法需要進行 資料預處理 data preprocess...
活躍變數分析
1 定義 對於變數x和程式點p，判斷x在點p上的值是否會在流圖中的某條從點p出發的路徑中使用。如果是，就說x在p上活躍 否則就說x在p上是死的。2 用途 重要用途之一是為基本塊進行儲存器分配。乙個值被計算儲存到乙個暫存器中後，很有可能在基本塊中被使用。如果它在基本塊中是死的，就不必在結尾處儲存這個值...
系統質量分析
的效能測試。從不同角度看待 的效能例如 使用者角度，直觀的反映出 的執行速度,在開發 系統時，只有自己進行測試，能夠通順的完成測試，效能不穩定，穩定 行較差，使用者測試滿意度較低，只是不足之處。開發人員角度測試 的穩定性，只有考錄周全，新增合理構造，使之完善。的高可用性 要保障萬無一失。為客戶服務，...