Independent Component Analysis for Clustering Analysis Components by Using Kurtosis

This paper proposes an independent component analyses(ICAs) of the fixed-point (FP) algorithm based on Newton and secant method by adding the kurtosis, respectively. The kurtosis is applied to cluster the analyzed components, and the FP algorithm is applied to get the fast analysis and superior performance irrelevant to learning parameters. The proposed ICAs have been applied to the problems for separating the 6-mixed signals of 500 samples and 10-mixed images of $512\times512$ pixels, respectively. The experimental results show that the proposed ICAs have always a fixed analysis sequence. The results can be solved the limit of conventional ICA without a kurtosis which has a variable sequence depending on the running of algorithm. Especially. the proposed ICA can be used for classifying and identifying the signals or the images. The results also show that the secant method has better the separation speed and performance than Newton method. And, the secant method gives relatively larger improvement degree as the problem size increases.

첨도에 의한 분석성분의 군집성을 고려한 독립성분분석

본 논문에서는 침도를 추가한 뉴우턴법과 할선법에 기초한 고정점 알고리즘의 독립성분분석을 각각 제안하였다. 여기서 첨도의 추가는 유사한 속성을 가지는 성분의 군집화된 분석순서를 얻기 위함이고, 고정점 알고리즘은 학습파라미터와 무관한 빠른 성분분석과 우수한 분석성능을 얻기 위함이다. 제안된 두 가지 독립성분분석 각각을 500개 샘플을 가지는 6개의 혼합신호와 $512\times512$ 픽셀을 가지는 10개의 혼합영상 분리에 각각 적용한 결과, 제안된 두 가지 기법은 항상 일정한 분석순서를 유지하여 첨도가 추가되지 않은 기존의 기법들에서 알고리즘의 수행 때마다 랜덤하게 변하는 분석순서의 제약을 해결할 수 있었다. 특히 군집화의 속성을 가진 제안된 독립성분분석들은 신호나 영상의 분류나 식별에도 적용할 수 있다. 한편 할선법의 제안된 기법이 뉴우턴법의 제안된 기법보다 빠르면서도 우수한 분리성능이 있음을 확인하였다.