基于E-MS算法的高斯圖模型選擇.pdf_第1頁
已閱讀1頁，還剩29頁未讀， 繼續(xù)免費閱讀

下載本文檔

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)，請進行舉報或認領(lǐng)

文檔簡介

1、圖模型是處理高維復雜問題的有力工具，已被廣泛應用于生物信息學、機器學習等各個領(lǐng)域。圖模型的模型選擇作為圖模型研究中的一個重要而具有挑戰(zhàn)性的問題，倍受到了廣大學者的關(guān)注。針對完全數(shù)據(jù)情形，Meinshausen and Bühlmann(2006)，Yuan and Lin(2007)和Friedmam，Hastie and Tibshirani(2008)等提出了一系列最大化懲罰似然的圖模型選擇方法。針對缺失數(shù)據(jù)情形，St?dler a

2、nd Bühlmann(2012)利用EM算法最大化懲罰觀測似然；Thai,Hunter and Akametalu(2014)等提出了m-CCCP算法，該算法比EM收斂速度更快。然而，Jiang,Nguyen and Rao(2015)指出傳統(tǒng)的基于EM的模型選擇方法在處理這類問題時存在一定的局限性，并提出了比基于EM的模型選擇方法更為有效E-MS算法，在一定的條件下證明了其相合性。
　　在本文中，我們將利用E-MS算法進行含缺

3、失數(shù)據(jù)情形下的高斯圖模型的模型選擇。首先我們介紹E-MS算法，然后給出基于E-MS算法的模型選擇的具體步驟及相應的理論推導。對于圖模型頂點個數(shù)為3、4和5的情形，我們通過模擬研究，比較了E-MS算法和傳統(tǒng)的EM結(jié)合BIC方法的效果，驗證了E-MS算法在處理高斯圖模型選擇問題時具有更高的準確度。但隨著圖模型頂點個數(shù)的增加，候選模型的數(shù)量呈指數(shù)級增加。E-MS算法每一次迭代的MS步中，最佳模型很難被選出。對于高維的高斯圖模型選擇問題，我們將

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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 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空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論