moea_joint
111年
[統計資訊] 統計學、巨量資料概論
第 31 題
下列何者非屬盲信號分離技術？
- A 關聯規則分析
- B 主成分分析
- C 非負矩陣分解
- D 奇異值分解
思路引導 VIP
想像你正聽著一段嘈雜的錄音，裡面同時有鋼琴聲與歌手的歌聲，你的目標是將這兩種聲音「拆解」開來。請問，你會選擇研究「哪些音符經常同時出現在不同的樂曲中」的統計規律，還是選擇研究「如何將一段複雜的複合聲波還原為數個獨立震動源」的數學變換？
🤖
AI 詳解
AI 專屬家教
恭喜你準確地辨識出選項間的本質差異！這說明你對於數據降維與特徵提取的技術範疇已有相當紮實的理解。
盲信號分離與矩陣分解的關聯
盲信號分離（Blind Signal Separation, BSS）的核心任務是從多個觀測到的混合訊號中，還原出原始的獨立源訊號。在數學實作上，這類技術高度依賴矩陣分解。例如 PCA（主成分分析） 透過找尋方差最大的正交軸來提取主要特徵；SVD（奇異值分解） 則能將矩陣 $A$ 分解為 $U\Sigma V^T$，進而識別數據的潛在結構；而 NMF（非負矩陣分解） 則加上了非負限制，使其在圖像處理與音訊分離中更具物理意義。這些方法本質上都是在「解構」混合數據。
▼ 還有更多解析內容