混合高斯模型的熵惩罚最大似然估计与自动模型选择 |
| |
引用本文: | 刘伯芹,马尽文. 混合高斯模型的熵惩罚最大似然估计与自动模型选择[J]. 信号处理, 2003, 19(Z1): 253-256 |
| |
作者姓名: | 刘伯芹 马尽文 |
| |
作者单位: | 北京大学数学科学学院信息科学系,北京,100871 |
| |
基金项目: | 本项目受国家自然科学基金资助:60071004 |
| |
摘 要: | 有限高斯混合模型是一种重要的概率模型,并在聚类分析,模式识别和信号处理等方面有着广泛的应用.在高斯(即正态)分量个数K未知时,仅仅根据样本数据来确定K是一个非常困难的问题.这实际上是一个模型选择问题,直接影响着应用的效果.为了解决这一模型选择问题,本文在一维混合高斯模型下提出了基于熵惩罚最大似然估计的梯度算法.实验表明这种算法能够在参数估计过程中自动实现模型选择,使得多余高斯分量的混合比例系数衰减为零.
|
关 键 词: | 高斯混合模型 最大似然估计 熵 惩罚 梯度算法. |
Entropy Penalized Maximum-Likelihood Estimate on Gaussian Mixture with Automated Model Selection |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|