ICA是一種用來從多變量（多維）統(tǒng)計數(shù)據(jù)里找到隱含的因素或成分的方法，被認為是主成分分析（PRincipal Component Analysis, PCA）和因子分析（Factor Analysis）的一種擴展。對于盲源分離問題，ICA是指在只知道混合信號，而不知道源信號、噪聲以及混合機制的情況下，分離或近似地分離出源信號的一種分析過程。 

ICA是將原始數(shù)據(jù)降維并提取出相互獨立的屬性。我們知道兩個隨機變量獨立則它們一定不相關，但2個隨機變量不相關則不能保證它們不獨立，因為獨立是表示沒有任何關系，而不相關只能表明是沒有線性關系。且PCA目的是找到這樣一組分量表示，使得重構誤差最小，即最能代表原事物的特征。ICA的目的是找到這樣一組分量表示，使得每個分量最大化獨立，能夠發(fā)現(xiàn)一些隱藏因素。由此可見，ICA的條件比PCA更強些。

http://blog.csdn.net/walilk/article/details/50468140

http://blog.csdn.net/dark_scope/article/details/8227329

1. C++標準模板庫從入門到精通 

http://edu.csdn.net/course/detail/3324

2.跟老菜鳥學C++

3. 跟老菜鳥學python

4. 在VC2015里學會使用tinyxml庫

5. 在Windows下SVN的版本管理與實戰(zhàn) 

 http://edu.csdn.net/course/detail/2579

6.Visual Studio 2015開發(fā)C++程序的基本使用 

http://edu.csdn.net/course/detail/2570

7.在VC2015里使用protobuf協(xié)議

8.在VC2015里學會使用MySQL數(shù)據(jù)庫