现在，考虑独立成分分析（ICA），它被认为是一种统计和计算技术。它有助于揭示或揭示随机变量、测量值或信号组中隐藏的因素。
ICA 有助于定义生成模型。该模型代表观察到的多元数据。它通常以大型样本数据库的形式被识别。嗯，在模型中，数据变量被假设为少数鲜为人知的线性混合
已知或者可以称之为未知潜变量，甚至混合系统也是未知的。然后是潜在变量。这些变量实际上被假设为非高斯变量。他们甚至是相互独立的。这些可以被称为属于观测数据类别的独立成分。这些独立的组成部分，也称为来源或因素，可以由 ICA 找到。
ICA，这个术语基本上表面上与主成分分析相关，然后与因子分析相关。 ICA 被认为是一种更强大的技术。然而，这总是能够找到潜在因素。如果可能的话，如果这些经典方法无论如何都完全失败的话，它甚至可以成为来源。
ICA 分析的数据可能来自各种应用领域，包括数字图像、文档数据库、经济指标以及心理测量。在许多情况下，这些测量被视为一组并行信号或时间序列；然后使用术语盲源分离来描述这个问题。典型的例子实际上是由多个麦克风拾取的同时语音信号的混合物，这些是由多个传感器记录的脑电波，然后是到达手机的干扰无线电信号，或者可能是并行时间序列是通过执行某些工业过程获得的。
