Analyse en composantes indépendantesL'analyse en composantes indépendantes (en anglais, independent component analysis ou ICA) est une méthode d'analyse des données (voir aussi Exploration de données) qui relève des statistiques, des réseaux de neurones et du traitement du signal. Elle est notoirement et historiquement connue en tant que méthode de séparation aveugle de source mais a par suite été appliquée à divers problèmes. Les contributions principales ont été rassemblées dans un ouvrage édité en 2010 par P.Comon et C.Jutten.
Analyse en composantes principalesL'analyse en composantes principales (ACP ou PCA en anglais pour principal component analysis), ou, selon le domaine d'application, transformation de Karhunen–Loève (KLT) ou transformation de Hotelling, est une méthode de la famille de l'analyse des données et plus généralement de la statistique multivariée, qui consiste à transformer des variables liées entre elles (dites « corrélées » en statistique) en nouvelles variables décorrélées les unes des autres. Ces nouvelles variables sont nommées « composantes principales » ou axes principaux.
Signal separationSource separation, blind signal separation (BSS) or blind source separation, is the separation of a set of source signals from a set of mixed signals, without the aid of information (or with very little information) about the source signals or the mixing process. It is most commonly applied in digital signal processing and involves the analysis of mixtures of signals; the objective is to recover the original component signals from a mixture signal.
Kernel principal component analysisIn the field of multivariate statistics, kernel principal component analysis (kernel PCA) is an extension of principal component analysis (PCA) using techniques of kernel methods. Using a kernel, the originally linear operations of PCA are performed in a reproducing kernel Hilbert space. Recall that conventional PCA operates on zero-centered data; that is, where is one of the multivariate observations.
Analyse factorielleL'analyse factorielle est un terme qui désigne aujourd'hui plusieurs méthodes d'analyses de grands tableaux rectangulaires de données, visant à déterminer et à hiérarchiser des facteurs corrélés aux données placées en colonnes. Au sens anglo-saxon du terme, l'analyse factorielle (factor analysis) désigne une méthode de la famille de la statistique multivariée, utilisée pour décrire un ensemble de variables observées, au moyen de variables latentes (non observées).
Médecine traditionnelle chinoiseLa médecine traditionnelle chinoise (ou MTC) est l'ensemble des théories et pratiques de santé au cours de l'histoire du monde chinois (aire d'influence de la civilisation chinoise). Au sens large, cette médecine inclut les traditions orales, folkloriques, magiques ou religieuses des différentes ethnies et communautés qui constituent le monde chinois. Dans un sens plus classique, la médecine traditionnelle chinoise est celle qui se réfère à un imposant corpus de textes (tradition écrite), dont les premiers sont datés vers le avant J.
Médecine traditionnelleSelon la définition officielle de l'OMS, la médecine traditionnelle « se rapporte aux pratiques, méthodes, savoirs et croyances en matière de santé qui impliquent l’usage à des fins médicales de plantes, de parties d’animaux et de minéraux, de thérapies spirituelles, de techniques et d’exercices manuels – séparément ou en association – pour soigner, diagnostiquer et prévenir les maladies ou préserver la santé ».
