混合逆狄利克雷分布的变分学习及应用

赖裕平; 周亚建; 丁洪伟; 郭玉翠; 郭春; 杨义先

doi:10.3969/j.issn.0372-2112.2014.07.030

您当前的位置：

首页 >

文章列表页 >

混合逆狄利克雷分布的变分学习及应用

科研通信 | 更新时间：2025-07-16

- 混合逆狄利克雷分布的变分学习及应用
- Variational Learning for Finite Inverted Dirichlet Mixture Models and Applications
- 电子学报 2014年42卷第7期页码：1435-1440
- 作者机构：
  
  1. 北京邮电大学计算机学院,北京,100876
  2. 云南大学信息学院,云南,昆明,650091
  3. 北京邮电大学理学院,北京,100876
  4. 北京邮电大学计算机学院,北京,100876
  5. 云南大学信息学院,云南,昆明,650091
  6. 北京邮电大学理学院,北京,100876
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61121061，No.60972077，No.61072079，No.61303232，No.61363085）;教育部博士点基金 (No.20120005110017）;国家863高技术研究发展计划 (No.2009AA01AZ430）
- DOI：10.3969/j.issn.0372-2112.2014.07.030
  中图分类号： TP391.4
- 纸质出版：2014
- 稿件说明：
移动端阅览
赖裕平, 周亚建, 丁洪伟, 等. 混合逆狄利克雷分布的变分学习及应用[J]. 电子学报, 2014,42(7):1435-1440.

LAI Yu-ping, ZHOU Ya-jian, DING Hong-wei, et al. Variational Learning for Finite Inverted Dirichlet Mixture Models and Applications[J]. Acta Electronica Sinica, 2014, 42(7): 1435-1440.
赖裕平, 周亚建, 丁洪伟, 等. 混合逆狄利克雷分布的变分学习及应用[J]. 电子学报, 2014,42(7):1435-1440. DOI： 10.3969/j.issn.0372-2112.2014.07.030.

LAI Yu-ping, ZHOU Ya-jian, DING Hong-wei, et al. Variational Learning for Finite Inverted Dirichlet Mixture Models and Applications[J]. Acta Electronica Sinica, 2014, 42(7): 1435-1440. DOI： 10.3969/j.issn.0372-2112.2014.07.030.

摘要

混合逆狄利克雷分布是正的非高斯数据分析中一个重要的统计模型.但是利用常用的统计方法比如极大近似然估计、矩估计等往往很难得到模型参数估计的显性解析式.本文提出一个变分贝叶斯学习算法，它能够在估计参数的同时自动确定混合分量数.在合成数据集及实测数据集上的实验结果表明利用变分贝叶斯推理来估计混合逆狄利克雷分布是一种非常有效的方法.

Abstract

Finite inverted Dirichlet mixture models play an important part in positive non-Gaussian data analysis.However

it is always different to obtain the analytical solutions to model parameters by using conventional approaches such as maximization likelihood estimation and moment estimation.In this paper

we have proposed a variational inference framework.Within this framework

parameter estimation and automatic model selection can be carried out simulta-neously.Experimental results on synthetic and real-world data sets demonstrate the effectiveness and the merits of the proposed approach.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

贝塔混合模型的变分贝叶斯学习及应用

一种基于广义KL距离和几何曲率的模型选择准则

基于贝叶斯估计的多分辨图像滤波方法

有限贝塔刘维尔混合模型的变分学习及其应用

基于高斯混合模型的压缩域语音增强方法