快速独立成分分析及其在矿产预测中的应用

【摘要】：独立成分分析(Independent Component Analysis)是一种试图将观测到的多维随机矩阵转换成为尽可能统计独立的向量的统计分析方法。目前,它已经广泛应用于盲源分离(Blind Source Separation)和特征提取(Feature Extraction)等类问题。分析这个问题的思想是通过最大化负熵的一个近似来得到独立成分的估计。文中我们介绍了几个新的对比函数,这些对比函数也可以通过最小化相互信息得到。然后,本文介绍了一个简单的快速固定点算法,以在实际中最优化我们提出的目标函数。最后,我们用文中介绍的方法对黑龙江省嘉荫县团结沟金矿床及外围1:1万6779个次生晕样本,11个元素(Au、As、Hg、sb、Bi、Cu、Pb、Zn、Ag、Mo、W)等用于矿产预测的数据进行了快速独立成分分析,发现有几个成分与以往的该区的成矿作用较为吻合,其他的成分是干扰成分,没有分析意义。实验结果表明,快速ICA能够有效地从混合数据中分离出独立成分,而且具有计算速度快,鲁棒性较好的优点。本文得到国家自然科学基金项目(40202030,40372129,60275002)资助,在此表示感谢。