_EM_算法及其在混合高斯模型中的应用.pdfVIP

_EM_算法及其在混合高斯模型中的应用.pdf

  1. 1、本文档共3页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
_EM_算法及其在混合高斯模型中的应用.pdf

朱周华: 期望最大 (EM ) 算法及其在混合高斯模型中的应用 期望最大 (EM ) 算法及其在混合高斯模型中的应用 朱周华 (西安科技大学 通信与信息工程学院 陕西 西安 710054) 摘 要: 将期望最大 (EM ) 算法应用于混合高斯模型中, 通过对算法的介绍及其分析, 得出 EM 算法是参数估计的 一种有效算法, 他大大降低了计算复杂度, 但性能却与最大似然估计相近, 具有很好的实际应用价值。 关键词: EM 算法; 混合高斯模型; 参数估计; 应用 中图分类号: T P 3016     文献标识码: B      文章编号: 1004 373X (2003) 24 088 03 EM A lgor ithm and Its Applica tion in M ixture of Gaussian ZHU Zhouhua ( , ′ , ′, 710054, ) Co llege of Comm unication Info rm ation Engineering X i an U niversity of Science and Techno logy X i an Ch ina Abstract: T he EM algo rithm w ill be app lied in m ixture of gaussian model in th is paper, T he Expectation M axim ization (EM ) algo rithm is a efficient m ethod of param eter estim ation that can ach ieve clo se to op tim al results w ith reduced comp lexity Keywords: EM algo rithm ; m axim ization; M ixture of Gaussian; param ater eatim ation; app lieation 参数估计是任何通信系统的重要技术。他也是第三代移动通信和未来移动通信系统不可缺少的关键技术以 及许多新技术的研究前提和应用保证。传统的参数估计有很多种, 经常用到的有最大似然估计, 最大似然估计 算法有较强的优势, 他能实现联合参量数值大小和正负性的双重估计, 而且趋于真值的收敛速度快, 但计算复 杂度的问题使得他实现比较困难。 期望最大化 (Expectation M ax im ization , EM ) 算法是参数估计的一种很重要的算法, 最初是由D em p ster, L aird 和R ub in 提出的, 他是一种当观测数据为不完全数据时求解最大似然估计的迭代算法, 他大大降低了最大 似然估计的计算复杂度, 但性能却与最大似然估计相近, 具有很好的实际应用价值。 本文第 2 部分给出了EM 算法简单的介绍, 第 3 部分将其应用于混合高斯模型中, 得出该算法在参数估计 中的优势所在。 1 EM 算法

文档评论(0)

docinpfd + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:5212202040000002

1亿VIP精品文档

相关文档