Matlab中FastICA工具箱的使用说明.pdf

Matlab中FastICA工具箱的使用说明.pdf

《Matlab中FastICA工具箱的使用说明.pdf》由会员分享，可在线阅读，更多相关《Matlab中FastICA工具箱的使用说明.pdf（6页珍藏版）》请在冰点文库上搜索。

Matlab中FastICA工具箱的使用说明一、工具箱使用方法一、工具箱使用方法1把工具箱的整个文件夹添加到工作目录（CurrentDirectory）下，或者点击fileSetPathAddFolder/AddwithSubfolders把fastICA的那个文件夹加进去save。

后面的方法是一劳永逸的事情，这样在任何工作目录下都能够调用工具箱的函数了。

2在命令窗口（commandwindow）直接输入fasticag回车，就可以使用图形化用户界面了。

也可以在你的程序中调用fastica（）这个函数，具体参数的设置看后面有详解。

二、各个文件的作用二、各个文件的作用Cotents.m文件全部都是注释，说明了每个文件的用途，不过都是英文，现总结如下：

fastICA有两种使用方法（有两种使用方法（fastICA用了用了fixedpoint算法）算法）1.fasticag.m是这个工具箱的图形化界面2.fastica.m是命令行版本其他文件都是被fasticag.m和fastica.m调用。

被被fasticag.m和和fastica.m调用的函数调用的函数1.fpica.m计算独立成分的主要算法2.whitennv.m白化数据3.pcamat.m对数据pca4.remmean.m减去均值5.icaplot.m画出信号的曲线图。

根据参数不同有不同的调用方式，具体看程序前面的注释（偷懒了啊）只被只被fasticag.m调用的函数调用的函数1.gui_cb.m2.gui_adv.m3.gui_advc.m4.gui_l.m装载数据初始化高斯矩阵5.gui_lc.m6.gui_s.m7.gui_sc.m8.gui_cg.m9.gui_help.m备注：

fasticag.m主要调用gui_cb.m其它有的的是被gui_cb.m调用的，总之，直接或间接它们是被fasticag.m调用。

北京理工大学计算机学院刘茜倾心制作杂项：

不调用别人也不被调用杂项：

不调用别人也不被调用demosig.m人工生成测试信号和混合信号（不需要输入参数）。

用户可以，输入混合信号来看看FASTICA是怎么工作的。

已经被遗弃的已经被遗弃的dispsig.m画数据向量的，现被icaplot.m,取代了三、函数三、函数fasticag.m和和fastica.m的使用说明的使用说明fasticag.m调用此函数时参数不是必要的。

也可以输入参数fasticag（mixedsig,InitialGuess）mixedsig是以多维信号为行向量的矩阵InitialGuess给出算法混合矩阵的初始值fastica.mOut1,Out2,Out3=fastica（mixedsig,varargin）函数的输出由输出参数的个数决定，调用方式有以下几种1.icasig=fastica（mixedsig）mixedsig是以多维信号为行向量的矩阵。

icasig的每一行是估计出的独立成分（IC）2.icasig,A,W=fastica（mixedsig）mixedsig是以多维信号为行向量的矩阵。

icasig的每一行是估计出的独立成分（IC）A是计算出的混合矩阵W是计算出的解混矩阵3.A,W=fastica（mixedsig）只保存混合矩阵和解混矩阵fastica被调用时也可以加入选项参数。

选项参数以参数对形式出现，顺序为参数名、参数值。

不同参数对直接顺序可任意。

参数名值和参数描述基本参数approach选择去相关的方法symm并行估计独立成分delf一个一个的估计独立成分，为默认值num估计出的独立成分的个数，默认与数据维数相等选择非线性g非线性（nonlinearity）的不同方法pow3（default）g（u）=u3北京理工大学计算机学院刘茜倾心制作tanhg（u）=tanh（a1*u）gaussg（u）=u*exp（a2*u2/2）skewg（u）=u2finetune调整（提高算法的统计性能）off不调整pow3调整时采用此非线性方法g（u）=u3tanh调整时采用此非线性方法g（u）=tanh（a1*u）gauss调整时采用此非线性方法g（u）=u*exp（a2*u2/2）skew调整时采用此非线性方法g（u）=u2a1当使用g时，g（u）=tanh（a1*u）中的参数a1,默认为1a2当使用g时，g（u）=u*exp（a2*u2/2）中的参数a2,默认为1mu步长，默认为1；如果此值小于1，项目就使用稳定化的算法stabilizationonoff默认控制是否进行稳定化，如果为on，当算法在两点之间或迭代次数为最大值的一半时还未收敛，mu就会减半控制收敛epsilon终止准则，默认为0.0001maxNumIterations最大迭代次数，默认为1000sampleSize一次迭代中的样本百分比（样本的选择是随机的），是01之间的数字，默认为1，即全部样本initGuess初始高斯矩阵A,默认为随机产生图像和文本输出verbose是否以文本的格式输出算法的进展情况on默认offdisplayMode画出正在运行的独立成分的估计signalsbasisfiltersoff默认displayInterval迭代几次后绘图一次默认为1控制维度的减少和白化firstEigfirstEig和lastEig决定了要保留的特征值的范围firstEig是要保留的最大特征值的索引，默认为1lastEiglastEig是要保留的最小特征值的索引，默认为数据的维度。

如果firstEig和lastEig都取默认值那么就是取所有特征值interactivePCAon显示特征值给用户，用户可以和程序交互，选择特征值的范围。

off默认gui用户可以使用和fasticag相同的图形化用户界面如果已经知道协方差矩阵的特征值分解，就不必再计算了，可直接以参数形式给北京理工大学计算机学院刘茜倾心制作出，如下pcaE（矩阵）特征向量pcaD（矩阵）特征值如果已经知道白化数据，可以直接在算法中以参数给出，如下whiteSig（矩阵）白化信号whiteMat（矩阵）白化矩阵dewhiteMat（矩阵）去白化矩阵如果只想进行一些预处理，比如只白化或pca，那么使用only选项onlywhite只进行白化程序调用方法：

whitesig,WM,DWM=fastica（mixedsig,only,white）返回白化的信号、白化矩阵、去白化矩阵。

在fastICA这个算法中白化矩阵主要用来白化和降维，去白化矩阵是白化矩阵的伪逆。

pca只进行pca降维程序调用方法：

E,D=fastica（mixedsig,only,pca）返回特征向量和对角特征值矩阵all默认值，进行白化降维ICA函数调用的例子：

%使用使用tanhg（u）=tanh（a1*u）进行非线性，并行进行独立成分估计进行非线性，并行进行独立成分估计icasig=fastica（mixedsig,approach,symm,g,tanh）;%降维到降维到10维，只估计出维，只估计出3个独立成分（个独立成分（IC）icasig=fastica（mixedsig,lastEig,10,numOfIC,3）;%不输出收敛报告，不画独立成分的图不输出收敛报告，不画独立成分的图icasig=fastica（mixedsig,verbose,off,displayMode,off）;北京理工大学计算机学院刘茜倾心制作四、图形化界面介绍四、图形化界面介绍1.点击Loaddata载入数据，在弹出的输入框中输入矩阵的变量名。

输入矩阵的行是一个信号。

假如输入矩阵以列向量存储信号，可点击Transpose来将矩阵转置。

2.点击DoICA来进行分析。

3.点击Saveresults存储结果。

在弹出输入框中填写后缀名字，比如填写FastICA那么工作空间中就存储了变量A_FastICA,D_FastICA,E_FastICAIC_FastICAW_FastICA等等。

4.选项1）点击Plotdata可以看数据的一维图2）点击Reducedim.给出了数据的协方差矩阵的特征值结构的图。

可以填写最大和最小特征值的索引号来限定特征值的范围，从而降维。

如果要撤销这一降维的操作，就点击Originaldim.3）点击Plotwhitened可以画出预处理过的数据。

4）点击PlotICs和点击DoICA有一样的进行主成份分析的效果，就是点击DoICA强制重新计算ICA，而点击PlotICs如果之前计算过结果，那么不重新计算，只画图。

5）如果算法可能不收敛，那么就可以用稳定化的版本，就要把Stablization下拉菜单中选成on。

假如在Adv.options中的mu是小于1的，那么Stablization就不能选了，那是因为系统会自动应用Stablization模式6）其它选项比如Approach等可参见上面fastica.m的参数对照表7）点击Help可以参见英文帮助