मैं समझता हूं (ज्यादातर) कि स्वतंत्र घटक विश्लेषण (आईसीए) एक आबादी से संकेतों के एक सेट पर कैसे काम करता है, लेकिन मैं इसे काम करने में विफल हो रहा हूं अगर मेरी टिप्पणियों (एक्स मैट्रिक्स) में दो अलग-अलग आबादी (अलग साधन होने) से संकेत शामिल हैं और मैं सोच रहा था कि क्या यह आईसीए की एक अंतर्निहित सीमा है या अगर मैं इसे हल कर सकता हूं। मेरे संकेतों का विश्लेषण उस सामान्य प्रकार से अलग है जिसमें मेरे स्रोत वैक्टर बहुत कम हैं (उदाहरण 3 मान लंबे), लेकिन मेरे पास कई (जैसे 1000) के अवलोकन हैं। विशेष रूप से, मैं 3 रंगों में प्रतिदीप्ति को माप रहा हूं जहां व्यापक प्रतिदीप्ति संकेत अन्य डिटेक्टरों में "स्पिलओवर" कर सकते हैं। मेरे पास 3 डिटेक्टर हैं और कणों पर 3 विभिन्न फ्लोरोफोर का उपयोग कर रहे हैं। एक बहुत खराब संकल्प स्पेक्ट्रोस्कोपी के रूप में यह सोच सकता है। किसी भी फ्लोरोसेंट कण में 3 विभिन्न फ्लोरोफोर में से किसी की भी मनमानी मात्रा हो सकती है। हालांकि, मेरे पास कणों का एक मिश्रित समूह है जो फ्लोरोफोरस की काफी विशिष्ट सांद्रता रखता है। उदाहरण के लिए, एक सेट में आमतौर पर बहुत सारे फ़्लोरोफ़ोर # 1 और छोटे फ़्लोरोफ़ोर # 2 हो सकते हैं, जबकि दूसरे सेट में # 1 और # 2 के बहुत सारे होते हैं।
मूल रूप से, मैं स्पिलओवर प्रभाव को प्रत्येक फ़्लोरोफ़ोर की वास्तविक मात्रा का अनुमान लगाने के लिए प्रत्येक कण पर एक दूसरे से सिग्नल के एक फ़्लोरोफ़ोर जोड़ने के बजाय, प्रत्येक फ़्लोरोफ़ोरे की मात्रा का अनुमान लगाना चाहता हूं। ऐसा लग रहा था कि आईसीए के लिए यह संभव होगा, लेकिन कुछ महत्वपूर्ण विफलताओं के बाद (मैट्रिक्स परिवर्तन संकेत स्वतंत्रता को अनुकूलित करने के लिए घूमने के बजाय आबादी को अलग करने को प्राथमिकता देता है), मैं सोच रहा हूं कि क्या आईसीए सही समाधान नहीं है या अगर मुझे ज़रूरत है इसे संबोधित करने के लिए मेरे डेटा को किसी अन्य तरीके से पूर्व-संसाधित करें।
रेखांकन समस्या को प्रदर्शित करने के लिए मेरे सिंथेटिक डेटा का उपयोग करता है। "सच" स्रोतों (पैनल ए) के साथ शुरू करना जिसमें 2 आबादी का मिश्रण होता है, मैंने एक "सच" मिश्रण (ए) मैट्रिक्स बनाया और अवलोकन (एक्स) मैट्रिक्स (पैनल बी) की गणना की। Fastica एस मैट्रिक्स का अनुमान लगाता है (पैनल सी में दिखाया गया है) और मेरे सच्चे स्रोतों को खोजने के बजाय, यह मुझे लगता है कि यह 2 आबादी के बीच सहसंयोजक को कम करने के लिए डेटा को घुमाता है।
किसी भी सुझाव या अंतर्दृष्टि के लिए देख रहे हैं।