EM算法在高斯混合模型中的应用
来源:互联网 发布:淘宝网店怎么激活 编辑:程序博客网 时间:2024/05/19 19:14
高斯混合模型GMM
- 高斯混合模型GMM
- 高斯混合模型定义
- GMM参数估计的EM算法
- 明确隐变量写完全数据对数似然函数
- EM算法的E步
- EM算法的M步
- 参考
注:该文章与《统计学习方法》by 李航 中的章节大致相同。
回顾EM算法的可以参考EM算法
高斯混合模型定义
高斯混合模型是指具有如下形式的概率分布模型:
一般可以用任意概率分布密度代替式(2)中的高斯分布。
GMM参数估计的EM算法
假设观测数据
其中,
1. 明确隐变量,写完全数据对数似然函数
观测数据
此时我们的完全数据(观测变量+隐变量)是:
我们可以写出完全数据的似然函数:
那么完全数据的对数似然概率为:
准备工作算是做完了,然后开始使用EM算法进行求解参数
2. EM算法的E步
确定Q函数:
注意:这里的
记
将
现在我们可以看到,(2)式未知变量中只有
3. EM算法的M步
在M步,我们只需要求解函数
重复上述计算,直到对数似然函数值不再收敛为止。
参考
李航 《统计学习方法》
阅读全文
1 0
- EM算法与在高斯混合模型中的应用
- EM算法在高斯混合模型中的应用
- EM算法在高斯混合模型中的应用
- EM算法 - 2 - EM算法在高斯混合模型学习中的应用
- 【EM算法】在高斯混合模型中的应用及python示例
- 混合高斯模型(应用和EM算法)
- EM算法的应用--高斯混合模型学习
- EM算法--应用到三个模型: 高斯混合模型 ,混合朴素贝叶斯模型,因子分析模型
- EM算法--应用到三个模型: 高斯混合模型 ,混合朴素贝叶斯模型,因子分析模型
- EM(期望最大算法)在高斯混合模型中的python实现
- EM 算法在高斯混合模型中的实现(未完成)
- 混合高斯模型和EM算法
- 高斯混合模型和EM算法
- EM算法_混合高斯模型
- EM算法与混合高斯模型
- EM算法求解高斯混合模型
- 高斯混合模型EM算法
- EM算法与混合高斯模型
- Ubuntu安装Pycharm的两种方式
- linux软件包合集
- 漫谈16S的前世今生
- 对象的构造顺序
- keras实战︱人脸表情分类与识别:人脸检测+情绪分类
- EM算法在高斯混合模型中的应用
- 独家 | 预防自杀,大数据也在致力于挽救生命
- Gartner数据库报告解读及数据库技术发展方向预测
- codeforces 158B Taxi
- [leetcode]第15周作业
- 【二分笔记】[poj 2456]Aggressive cows
- seo团队构建以及分工的相应说明
- Search a 2D Matrix II
- 布谷鸟搜索算法