-
题名求解多模概率分布Gamma混合模型的半EM算法
- 1
-
-
作者
陈佳琪
何玉林
成英超
黄哲学
-
机构
深圳大学计算机与软件学院
人工智能与数字经济广东省实验室(深圳)
-
出处
《计算机应用》
北大核心
2025年第7期2153-2161,共9页
-
基金
广东省基础与应用基础研究基金粤深联合基金资助项目(2023B1515120020)
广东省自然科学基金资助项目(2023A1515011667)
+1 种基金
深圳市科技重大专项(202302D074)
深圳市基础研究面上项目(JCYJ20210324093609026)。
-
文摘
期望最大化(EM)算法在混合模型参数估计中发挥着重要作用,然而现有的EM算法在求解Gamma混合模型(GaMM)参数时存在局限性,主要体现在因近似计算导致的低质量参数估计,以及由于大量数值计算造成的计算效率低下问题。为了克服这些局限,并充分利用数据的多模性质,提出一种半EM(Semi-EM)算法求解用于估计多模概率分布的GaMM。首先,通过聚类探测数据的空间分布特性,以初始化GaMM参数,进而更准确地刻画数据的多模性;其次,在EM算法框架的基础上,对于缺乏封闭更新表达式而导致的参数更新困难问题,采用自定义的启发式策略对GaMM形状参数进行更新,使它们朝着最大化对数似然值的方向逐步调整,同时以封闭形式更新其他参数。经过一系列具有说服力的实验,验证了Semi-EM算法的可行性、合理性和有效性。实验结果表明,Semi-EM算法在精确估计多模概率分布方面优于对比的4种算法,具有更低的误差指标以及更高的对数似然值,表明该算法能提供更准确的模型参数估计,从而更精确地刻画数据的多模性质。
-
关键词
多模概率密度函数
Gamma混合模型
期望最大化算法
聚类
对数似然函数
-
Keywords
multimodal Probability Density Function(PDF)
Gamma Mixture Model(GaMM)
Expectation-Maximization(EM)algorithm
clustering
log-likelihood function
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
