ฉันเข้าใจ (ส่วนใหญ่) การวิเคราะห์องค์ประกอบอิสระ (ICA) ทำงานบนชุดสัญญาณจากประชากรหนึ่ง แต่ฉันไม่สามารถทำงานได้หากการสังเกตของฉัน (เมทริกซ์ X) รวมสัญญาณจากประชากรสองคนที่แตกต่างกัน (มีวิธีการที่แตกต่างกัน) และฉัน ฉันสงสัยว่านี่เป็นข้อ จำกัด ที่แท้จริงของ ICA หรือไม่ถ้าฉันสามารถแก้ไขได้ สัญญาณของฉันแตกต่างจากประเภททั่วไปที่กำลังวิเคราะห์ว่าเวกเตอร์แหล่งที่มาของฉันสั้นมาก (เช่น 3 ค่ายาว) แต่ฉันมีข้อสังเกตจำนวนมาก (เช่น 1,000 ข้อ) โดยเฉพาะฉันวัดฟลูออเรสเซนต์ใน 3 สีซึ่งสัญญาณฟลูออเรสเซนต์ที่กว้างสามารถ "กระจาย" เข้าไปในเครื่องตรวจจับอื่น ๆ ฉันมีเครื่องตรวจจับ 3 ตัวและใช้ฟลูออโรฟอเรส 3 ตัวกับอนุภาค ใคร ๆ ก็คิดว่านี่เป็นสเปคตรัมความละเอียดต่ำมาก อนุภาคฟลูออเรสเซนต์ใด ๆ อาจมีจำนวนฟลูออโรฟอร์ฟใด ๆ อย่างไรก็ตามฉันมีกลุ่มของอนุภาคผสมซึ่งมีแนวโน้มที่จะมีความเข้มข้นของฟลูออโรฟอสเข้มข้นค่อนข้างชัดเจน ตัวอย่างเช่นชุดหนึ่งโดยทั่วไปอาจมีจำนวน # 1 fluorophore และ fluorophore # 2 ในขณะที่ชุดอื่น ๆ มีจำนวนน้อย # 1 และจำนวน # 2
โดยพื้นฐานแล้วฉันต้องการที่จะแยกแยะผลกระทบของการรั่วไหลเพื่อประมาณจำนวนฟลูออโรฟอร์ที่แท้จริงในแต่ละอนุภาคแทนที่จะมีสัญญาณของเศษส่วนจากฟลูออโรฟอร์หนึ่งเพิ่มไปยังสัญญาณของอีก ดูเหมือนว่าจะเป็นไปได้สำหรับ ICA แต่หลังจากความล้มเหลวที่สำคัญบางอย่าง (การแปลงเมทริกซ์ดูเหมือนจะจัดลำดับความสำคัญการแยกประชากรมากกว่าการหมุนเพื่อเพิ่มประสิทธิภาพสัญญาณอิสระ) ฉันสงสัยว่า ICA ไม่ใช่ทางออกที่ถูกต้องหรือถ้าฉันต้องการ ประมวลผลข้อมูลของฉันล่วงหน้าด้วยวิธีอื่นเพื่อแก้ไขปัญหานี้
กราฟแสดงข้อมูลสังเคราะห์ของฉันที่ใช้แสดงปัญหา เริ่มต้นด้วยแหล่งที่มา "จริง" (แผง A) ประกอบด้วยส่วนผสมของประชากร 2 คนฉันสร้างเมทริกซ์ (จริง) ผสม (จริง) และคำนวณการสังเกต (X) เมทริกซ์ (แผง B) FastICA ประมาณค่า S matrix (แสดงในแผง C) และแทนที่จะค้นหาแหล่งที่แท้จริงของฉันดูเหมือนว่าฉันจะหมุนข้อมูลเพื่อลดความแปรปรวนร่วมระหว่างประชากร 2 คน
กำลังมองหาข้อเสนอแนะหรือข้อมูลเชิงลึกใด ๆ