-
题名基于分裂EM算法的GMM参数估计
被引量：14
- 1
-
-
作者
钟金琴
辜丽川
檀结庆
李莹莹
-
机构
安徽大学电子与信息系
合肥工业大学计算机与信息学院
安徽农业大学计算机信息学院
-
出处
《计算机工程与应用》
CSCD
2012年第34期28-32,59,共6页
-
基金
国家自然科学基金(No.30800663,No.U1135003)
-
文摘
期望最大化(Expectation Maximization,EM)算法是一种求参数极大似然估计的迭代算法,常用来估计混合密度分布模型的参数。EM算法的主要问题是参数初始化依赖于先验知识且在迭代过程中容易收敛到局部极大值。提出一种新的基于分裂EM算法的GMM参数估计算法,该方法从一个确定的单高斯分布开始,在EM优化过程中逐渐分裂并估计混合分布的参数,解决了参数迭代收敛到局部极值问题。大量的实验表明,与现有的其他参数估计算法相比,算法具有较好的运算效率和估算准确性。
-
关键词
高斯混合模型
期望最大化
参数估计
模式分类
-
Keywords
Gaussian Mixture Model （GMM）
Expectation Maximization （EM）
parameters estimation
pattern classification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
