Monte Carlo EM加速算法

被引：35

作者：

罗季

机构：

[1] 华东师范大学金融与统计学院

来源：

应用概率统计 | 2008年 / 03期

关键词：

增广数据; Monte Carlo模拟; EM算法; Monte Carlo EM算法; Newton-Raphson算法;

D O I：

暂无

中图分类号：

O242.2 [近似计算];

学科分类号：

070102 [计算数学];

摘要：

EM算法是近年来常用的求后验众数的估计的一种数据增广算法,但由于求出其E步中积分的显示表达式有时很困难,甚至不可能,限制了其应用的广泛性.而Monte Carlo EM算法很好地解决了这个问题,将EM算法中E步的积分用Monte Carlo模拟来有效实现,使其适用性大大增强.但无论是EM算法,还是Monte Carlo EM算法,其收敛速度都是线性的,被缺损信息的倒数所控制,当缺损数据的比例很高时,收敛速度就非常缓慢.而Newton-Raphson算法在后验众数的附近具有二次收敛速率.本文提出Monte Carlo EM加速算法,将Monte Carlo EM算法与Newton-Raphson算法结合,既使得EM算法中的E步用Monte Carlo模拟得以实现,又证明了该算法在后验众数附近具有二次收敛速度.从而使其保留了Monte Carlo EM算法的优点,并改进了Monte Carlo EM算法的收敛速度.本文通过数值例子,将Monte Carlo EM加速算法的结果与EM算法、Monte Carlo EM算法的结果进行比较,进一步说明了Monte Carlo EM加速算法的优良性.

引用

页码：312 / 318

页数：7

共 4 条

[1]

不完全数据参数估计问题的算法综述与评价 [J].

葛勇 ;

叶中行 .

宁夏大学学报(自然科学版), 2003, (01) :36-41

[2]

Maximum Likelihood from Incomplete Data via the EM Algorithm.[J].A. P. Dempster;N. M. Laird;D. B. Rubin.Journal of the Royal Statistical Society. Series.1977, 1

[3]

最优化理论与方法.[M].袁亚湘;孙文瑜著;.科学出版社.1997,

[4]

Tools for Statistical Inference: Methods for the Exploration of Posterior Distributions and Likelihood Functions..Tanner M A;..1993,

← 1 →