已閱讀1頁，還剩34頁未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、本文所討論的混合模型的參數(shù)估計(jì)是先指定混合分量密度函數(shù)p(X；θ，)的形式(這里假設(shè)是正態(tài)分布，即所討論的混合模型是正態(tài)混合模型)，再規(guī)定混合分量的個(gè)數(shù)g，來估計(jì)模型的參數(shù)的． 本文介紹了：EM算法(包括基于極大似然估計(jì)的EM算法和基于最大后驗(yàn)估計(jì)的EM算法)，MCEM算法和Gibbs抽樣三種迭代計(jì)算方法．Bilmes J已用基于極大似然估計(jì)的EM算法完成了正態(tài)混合模型的參數(shù)估計(jì)，F(xiàn)igueiredo又提出了用修改的EM算法去估
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 混合模型參數(shù)估計(jì)的研究.pdf
- 線性混合模型中的參數(shù)估計(jì).pdf
- 混合模型中的參數(shù)估計(jì)問題.pdf
- 線性混合模型中參數(shù)估計(jì)的研究.pdf
- 線性混合模型參數(shù)估計(jì)問題的研究.pdf
- 廣義Gamma混合模型的參數(shù)估計(jì)研究.pdf
- 41463.混合效應(yīng)模型中的參數(shù)估計(jì)
- 混合系數(shù)線性模型與約束線性模型的參數(shù)估計(jì).pdf
- 有限正態(tài)混合模型的參數(shù)估計(jì)與應(yīng)用.pdf
- 多元線性模型的參數(shù)估計(jì).pdf
- 線性模型中的參數(shù)估計(jì).pdf
- 基于MCMC的廣義Gamma混合模型的參數(shù)估計(jì)及其應(yīng)用.pdf
- 參數(shù)估計(jì)與非參數(shù)估計(jì)
- 23145.em算法在混合模型參數(shù)估計(jì)中的應(yīng)用
- 基于改進(jìn)EM算法的混合模型參數(shù)估計(jì)及聚類分析.pdf
- 混合指數(shù)分布的參數(shù)估計(jì).pdf
- 半相依回歸模型的參數(shù)估計(jì).pdf
- 兩因素利率模型的參數(shù)估計(jì).pdf
- 方差分量模型的參數(shù)估計(jì)問題.pdf
- 模糊線性回歸模型的參數(shù)估計(jì).pdf
評(píng)論
0/150
提交評(píng)論