文档介绍:一受隧匆否豸起豳望日期:�兰:垒;�日期:仞�卫么至����‘关于学位论文使用权的说明独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含其他个人或集体已经发表或撰写过的研究成果。对本文的研究件;②学校可以采用影印、缩印或其它复制手段复制并保存学位论文;复制赠送和交换学位论文;⑤学校可以公布学位论文的全部或部分内本人郑重声明:所呈交的学位论文,是本人在指导教师的指导下,做出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名:本人完全了解太原理工大学有关保管、使甩学位论文的规定,其中包括:①学校有权保管、并向有关部门送交学位论文的原件与复印③学校可允许学位论文被查阅或借阅;④学校可以学术交流为目的,容�C苎�宦畚脑诮饷芎笞袷卮斯娑�。导师签名:声日期:明�、/�可��~
一些估计算法;介绍了一种新的算法一基于峭度的�����惴ǎ�治�独立成分分析算法在��数据中的应�伲�摘要大脑是极其复杂的产物,多少年来,人类一直在尝试着解读大脑这个“黑盒”。随着脑成像技术的发展,人们对大脑的研究己从最初的解剖定位发展到对脑功能活动基本过程的深入探测。功能磁·共振成像�����世纪九十年代发展起来的一种基于血氧水平依赖和血流敏感性的成像技术。功能磁共振成像作为一种非侵入式的技术,有许多其它技术没有的优点。因此近年来,它已经成为研究大脑动作方式的首要选择的方法。那么,相应的许多分析��数据的方法也由此诞生。本文主要是利用一种新的独立成分分析方法对功能磁共振成像的数据进行了应用研究。以前对于��数据的处理方法都是在对实验设计的时间序列有预先了解的情况下,利用相关性分析得到的脑的激活区域。如果假设大脑所采集的时间序列是未知的,激活脑区的因素及其影响也是未知的,那么这就意味着信号源和混合矩阵是未知的,这是典型的盲源分离问题。要解决盲源分离问题,我们就可以选择最常用的独立成分分析方法。通过独立成分分析方法对��混合数据进行分离并提取相关成分。本文首先介绍了��的原理、应用、特点以及用独立成分分析方法的了该算法的理论、步骤及其优点,并通过一些仿真实验验证了该算法较以前的����辛撕艽蟮母慕�欢允笛榈牟牧虾头椒ń�辛思虻サ慕樯埽欢�立成分分析算法�����和����对��数据进行了成分的分离。通过和����惴ǘ詅���莸姆治霰冉戏⑾郑�捎诙曰档愕穆嘲粜员冉�好,�����惴ǔ晒Φ姆掷氤��龆懒⒊煞郑�鳩���算法只分离出了�个独立成分,����惴ū萊����算法少分离出一个任务相关成分太原理工大学硕士研究生学位论文;
灰弧眀�����一一��保甒����������������������������瓼����琱�������,���—������瓼����������琩������,��������瓼���������琣���猧���������琱������.����’�琲����琲������.��������琺������.����琣��.��������甀�����琭�������甌������,�太原理丁大学硕�涎绣成��宦畚�
�������������盲源分离��、����������������������猟������—�����—����太原理�笱�渡涎芯可��宦垡�
目录第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..�课题背景和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯���本文研究领域现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯�国外研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯�国内研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯�本文主要研究的内容和方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯�】.�恼陆峁拱才拧�������������������������第二章功能磁共振成像和独立成分分析介绍⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯�功能磁共振成像技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯�功能磁共振成像简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯���.�δ艽殴舱癯上竦脑�怼������������������功能磁共振成像的应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯���.�δ艽殴舱癯上竦奶氐恪��������������������.�δ艽殴舱癯上竦氖笛樯杓啤������������������独立成分分析算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.�独立成分分析方法简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..���.�懒⒊煞址治龅墓兰扑惴ā��������������