文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 高等教育 > 工学 > 混合高斯模型和EM算法
侵权投诉

混合高斯模型和EM算法

混合高斯模型和EM算法

在E

混合高斯模型和EM算法

步中,我们将其他参数

混合高斯模型和EM算法

看作常量,计算的后验概率,也就是估计隐含类别变量。估计好后,利用上面的公式重新计算其他参数,计算好后发现最大化最大似然估计时,值又不对了,需要重新计算,周而复始,直至收敛。

混合高斯模型和EM算法

的具体计算公式如下:

混合高斯模型和EM算法

这个式子利用了贝叶斯公式。

混合高斯模型和EM算法

这里我们使用

混合高斯模型和EM算法

代替了前面的,由简单的0/1值变成了概率值。

是有一定的概 对比K-means可以发现,这里使用了“软”

混合高斯模型和EM算法

指定,为每个样例分配的类别

率的,同时计算量也变大了,每个样例i都要计算属于每一个类别j的概率。与K-means相同的是,结果仍然是局部最优解。对其他参数取不同的初始值进行多次计算不失为一种好方法。 虽然之前再K-means中定性描述了EM的收敛性,仍然没有定量地给出,还有一般化EM的推导过程仍然没有给出。下一篇着重介绍这些内容。

上一页第3页

你可能喜欢

  • 高斯混合模型
  • 聚类算法
  • 高斯算法
  • excel数据
  • 算法研究

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email