摘要
有限高斯混合模型是一种重要的概率模型,并在聚类分析,模式识别和信号处理等方面有着广泛的应用.在高斯(即正态)分量个数K未知时,仅仅根据样本数据来确定K是一个非常困难的问题.这实际上是一个模型选择问题,直接影响着应用的效果.为了解决这一模型选择问题,本文在一维混合高斯模型下提出了基于熵惩罚最大似然估计的梯度算法.实验表明这种算法能够在参数估计过程中自动实现模型选择,使得多余高斯分量的混合比例系数衰减为零.
出处
《信号处理》
CSCD
2003年第z1期253-256,共4页
Journal of Signal Processing
基金
本项目受国家自然科学基金资助:60071004
作者简介
马尽文:1992年于南开大学概率论与数理统计专业博士研究生毕业.随后在汕头大学数学研究所工作,1999年晋升为应用数学专业正教授.2001年9月调入北京大学数学科学学院信息科学系.目前已发表学术论文40余篇,参编专著2部.主要研究方向为:神经网络理论及应用,信息处理与编码,生物信息学,模式识别与聚类分析等.刘伯芹:1998年于青岛海洋大学应用数学系毕业.现为北京大学应用数学专业硕士研究生.