基于t分布的概率矩阵三因式分解方法分析 |
| |
引用本文: | 潘雨婷,林慧钗,滕忠铭.基于t分布的概率矩阵三因式分解方法分析[J].电子技术,2023(2):160-163. |
| |
作者姓名: | 潘雨婷 林慧钗 滕忠铭 |
| |
作者单位: | 福建农林大学 |
| |
摘 要: | 阐述概率矩阵分解(PMF)广泛被应用于预测缺失值和数据聚类,它把观测数据看成是一个基矩阵和权重矩阵的乘积,这可能会降低模型的灵活性。目前常见的是高斯分布为先验的概率模型,但是高斯分布对于异常值比较敏感,而采用t分布先验的模型能减轻异常值的影响,具有更好地稳健性。为了提高模型的灵活性和稳健性,提出了t分布先验的概率矩阵三因式分解(TBMTF),将观测数据看成三个相互约束的潜在特征矩阵的乘积,假设噪声服从t分布,变分贝叶斯推断进行参数估计。相较于传统的PMF方法,TBMTF方法能更好地识别异常值并做出预测。基于人为数据和真实数据的实验表明,在人为数据的预测效果与真实数据中添加噪声后的预测效果,都表现优秀。
|
关 键 词: | 概率矩阵三因式分解 t分布 变分贝叶斯 缺失值预测 噪声识别 |
|
|