计算机工程与应用
計算機工程與應用
계산궤공정여응용
Computer Engineering and Applications
2015年
20期
111-115
,共5页
贪心%高斯混合模型%隐含参量%最大期望(EM)算法
貪心%高斯混閤模型%隱含參量%最大期望(EM)算法
탐심%고사혼합모형%은함삼량%최대기망(EM)산법
greedy%Gaussian mixture model%implicit parameter%Expectation Maximization(EM)algorithm
针对传统EM算法存在初始模型成分数目需要预先指定以及收敛速度随样本数目的增长而急剧减慢等问题,提出了一种快速、贪心的高斯混合模型EM算法。该算法采用贪心的策略以及对隐含参数设置适当阈值的方法,使算法能够快速收敛,从而在很少的迭代次数内获取高斯混合模型的模型成分数。该算法通过与传统EM算法、无监督EM算法和鲁棒EM算法的聚类结果进行比较,实验结果证明该算法具有很强的鲁棒性,并且能够提高算法的效率以及模型成分数的准确性。
針對傳統EM算法存在初始模型成分數目需要預先指定以及收斂速度隨樣本數目的增長而急劇減慢等問題,提齣瞭一種快速、貪心的高斯混閤模型EM算法。該算法採用貪心的策略以及對隱含參數設置適噹閾值的方法,使算法能夠快速收斂,從而在很少的迭代次數內穫取高斯混閤模型的模型成分數。該算法通過與傳統EM算法、無鑑督EM算法和魯棒EM算法的聚類結果進行比較,實驗結果證明該算法具有很彊的魯棒性,併且能夠提高算法的效率以及模型成分數的準確性。
침대전통EM산법존재초시모형성분수목수요예선지정이급수렴속도수양본수목적증장이급극감만등문제,제출료일충쾌속、탐심적고사혼합모형EM산법。해산법채용탐심적책략이급대은함삼수설치괄당역치적방법,사산법능구쾌속수렴,종이재흔소적질대차수내획취고사혼합모형적모형성분수。해산법통과여전통EM산법、무감독EM산법화로봉EM산법적취류결과진행비교,실험결과증명해산법구유흔강적로봉성,병차능구제고산법적효솔이급모형성분수적준학성。
In order to solve the disadvantages of traditional EM algorithm which initial model component parameters need to preassign and the convergence speed follows the growth of sample numbers, an rapid greedy EM algorithm for Gaussian mixture model is proposed. This algorithm adopts greedy strategy and uses appropriate implicit parameters to accelerate the speed of convergence, which can precisely get the optimal solution of the model component in a few itera-tions. In experiments, compared with traditional EM algorithm, unsupervised EM algorithm and robust EM algorithm, the algorithm is robust, in addition, it can improve the efficiency of algorithm and the accuracy of the model component parameters.