独立成分分析 ICA的matlab代码实现

%求数据的独立成分
%输入参数：Z建模数据（矩阵 n*m维，m为样本个数，n为变量个数）
%         perica提取信息含量（一个百分数）
%输出参数：W分解矩阵（矩阵 n*q维，n为变量个数，q为独立成分个数）
%         SL独立成分（矩阵 m*q维，m为样本个数，q为独立成分个数）
%         XS为X的估计值（矩阵 m*n维，m为样本个数，n为变量个数）
%         E残差信息（矩阵 m*n维，m为样本个数，n为变量个数）
function [WSLXSE]=FASTICA（Zperica）
[VariableNumSampleNum]=size（Z）;
numofIC=VariableNum;% 在此应用中，独立元个数等于变量个数
W=[];
B=zeros（numofICVariableNum）;              % 初始化列向量w的寄存矩阵B=[b1  b2  ...   bd]
for r=1:numofIC                            % 迭代求取每一个独立元
    i=1;maxIterationsNum=1000;j=1;              % 设置最大迭代次数（即对于每个独立分量而言迭代均不超过此次数）
    IterationsNum=0;
    b=rand（numofIC1）-.5;                  % 随机设置b初值
    b=b/norm（b）;                           % 对b标准化
    while i<=maxIterationsNum+1
        if i == maxIterationsNum           % 循环结束处理