《表1 不同样本数目PI均值对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《FastICA算法的收敛性与一致性分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了更进一步说明一致性，引入FastICA评估的性能指标（Performance Index，PI）。文献[20]中有关于指标PI的详细介绍及计算公式。等距样本数目区间为[0，500]、[500，1 000]、[1 000，1 500]、[1 500，2 000]、[2 000，2 500]、[2 500，3 000]、[3 000，3 500]、[3 500，4 000]、[4 000，4 500]、[4 500，5 000]，对于每一个样本区间，运行100次，随机产生100个样本数，并取整，计算每次的PI值，并且求得平均的PI值，运行结果如表1所示。根据文献[20]，PI值达到10-2，一般可以达到较好的分离效果，且PI值越小，分离效果越好。观察表1中的PI值，随着样本数目的增加，PI值明显递减。因此，一致性又一次得到证明。