基于BIC准则和Gibbs采样的有限混合模型无监督学习算法

被引：22

作者：

刘伟峰

杨爱兰

机构：

[1] 杭州电子科技大学自动化学院

来源：

电子学报 | 2011年 / 39(S1)卷 / S1期

基金：

浙江省自然科学基金;

关键词：

BIC准则; Gibbs采样; 无监督学习; 有限混合模型;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对有限混合模型无监督学习算法分布元个数未知,本文提出了一种基于BIC准则和Gibbs采样的无监督学习算法,通过Gibbs采样算法对混合模型的参数进行估计,进一步计算观测数据的Bayes信息准则(BIC)指标,确定混合分布元个数.仿真实验以高斯混合分布为例,分别利用具有不同个数的分布模型拟合观测数据,分析表明,该算法能够很好地学习混合高斯分布参数及个数.

引用

页码：134 / 139

页数：6

共 7 条

[1] 修正Gibbs采样的有限混合模型无监督学习算法 [J].

刘伟峰 ;

韩崇昭 ;

石勇 .

西安交通大学学报, 2009, 43 (02) :15-19

[2] 生物序列模体的混合Gibbs抽样识别算法 [J].

刘立芳 ;

霍红卫 ;

王宝树 .

电子学报, 2008, (04) :750-755

[3] 海杂波背景下雷达引信的相关检测方法研究 [J].

熊刚 ;

赵惠昌 ;

王李军 .

电子学报, 2004, (12) :1937-1940

[4]

多源信息融合[M]. 清华大学出版社 , 韩崇昭, 2006

[5] Markov chain Monte Carlo estimation of classical and dynamic switching and mixture models [J].

Frühwirth-Schnatter, S .

JOURNAL OF THE AMERICAN STATISTICAL ASSOCIATION, 2001, 96 (453) :194-209

[6]

Estimating the Dimension of a Model[J] . Gideon Schwarz.The Annals of Statistics . 1978 (2)

[7]

A hybrid SEM algorithm for high-dimensional unsupervised learningusing a finite generalized Dirichlet mixture .2 N. Bouguila,D. Ziou. IEEE Trans. Image Processing . 2006

← 1 →