基于BIC准则和Gibbs采样的有限混合模型无监督学习算法

刘伟峰; 杨爱兰

您当前的位置：

首页 >

文章列表页 >

基于BIC准则和Gibbs采样的有限混合模型无监督学习算法

科研通信 | 更新时间：2025-07-16

- 基于BIC准则和Gibbs采样的有限混合模型无监督学习算法
- Unsupervised Learning for Finite Mixture Models Based on BIC Criterion and Gibbs Sampling
- 电子学报 2011年39卷第3A期页码：134-139
- 作者机构：
  
  杭州电子科技大学自动化学院,浙江,杭州,310018
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.91016020,No.60934009);浙江省自然科学基金 (No.Y1101218);杭州电子科技大学科研启动基金 (No.KYS065609051)
- DOI：
  中图分类号： TP18
- 纸质出版：2011
- 稿件说明：
移动端阅览
刘伟峰, 杨爱兰. 基于BIC准则和Gibbs采样的有限混合模型无监督学习算法[J]. 电子学报, 2011,39(3A):134-139.

LIU Wei-feng, YANG Ai-lan. Unsupervised Learning for Finite Mixture Models Based on BIC Criterion and Gibbs Sampling[J]. Acta Electronica Sinica, 2011, 39(3A): 134-139.
刘伟峰, 杨爱兰. 基于BIC准则和Gibbs采样的有限混合模型无监督学习算法[J]. 电子学报, 2011,39(3A):134-139. DOI：

LIU Wei-feng, YANG Ai-lan. Unsupervised Learning for Finite Mixture Models Based on BIC Criterion and Gibbs Sampling[J]. Acta Electronica Sinica, 2011, 39(3A): 134-139. DOI：

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.

Abstract

An unsupervised learning algorithm for finite mixture models (FMM) by using the BIC criterion and the Gibbs sampling is proposed.The FMM parameters are estimated by the Gibbs sampling algorithm.The number of the models is further given by calculating the BIC criterion.In the final simulations

we propose two examples of Gaussian mixture models

where the FMM with different number of components is adopted to fit observation data.The final result shows that the proposed algorithm can effectively estimate the parameters and the number of the components.

关键词

Keywords

references

浏览量

3234

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种基于修正动量的RBM算法

基于双模糊学习的鲁棒无监督特征选择算法

基于特征异常检测与伪标签回归的无监督对抗域适应

基于尺度线索增强的无监督单目深度估计

基于超球面对偶学习的双通道图异常检测方法