资源描述：
《基于em算法的模型聚类的研究及应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、江南大学硕士学位论文基于EM算法的模型聚类的研究及应用姓名：岳佳申请学位级别：硕士专业：计算机软件与理论指导教师：王士同20070601基于EM算法的模型聚类的研究及应用作者：岳佳学位授予单位：江南大学相似文献(10条)1.期刊论文岳佳.王士同.YUE.JIA.WANGSHITONG高斯混合模型聚类中EM算法及初始化的研究-微计算机信息2006,22(33)EM算法是参数估计的重要方法,其算法核心是根据已有的数据来迭代计算似然函数,使之收敛于某个最优值.EM算法收敛的优劣很大程度上取决于其初始参数.运用EM算法来实现高斯混合模型聚类,如何
2、初始化EM参数便成为一个关键的问题.在比较其他的初始化方法的基础上,引入"binning"法来初始化EM.实验结果表明,应用binning法来初始化EM的高斯混合模型聚类优于其它传统的初始化方法.2.期刊论文孙广玲.唐降龙基于分层高斯混合模型的半监督学习算法-计算机研究与发展2004,41(1)提出了一种基于分层高斯混合模型的半监督学习算法.半监督学习算法的学习样本包括已标记类别样本和未标记类别学习样本.如用高斯混合模型拟合每个类别已标记学习样本的概率分布,进而用高斯数为类别数的分层高斯混合模型拟合全部(已标记和未标记)学习样本的分布,则
3、形成为一个基于分层的高斯混合模型的半监督学习问题.基于EM算法,首先利用每个类别已标记样本学习高斯混合模型,然后以该模型参数和已标记样本的频率分布作为分层高斯混合模型参数的初值,给出了基于分层高斯混合模型的半监督学习算法.以银行票据印刷体数字识别做实验,实验结果表明,本算法能够获得较好的效果.3.会议论文王莹.景新幸.杨海燕改进EM算法的高斯混合模型在说话人识别中的应用2008在与文本无关的说话人识别方式下，高斯混合模型(GMM)是目前应用最为广泛和最为有效的识别方法，而对于高斯混合模型进行极大似然估计的一个很好的工具就是期望最大化(Ex
4、pectationMaximization，EM)算法。然而，EM算法有个显著的缺陷，就是收敛速度比较慢，有时会收敛于局部最小值，而不能得到全局最优解，使得聚类效果受到影响。本文提出一种改进EM算法的GMM。EM算法是一种通用的方法，它能够最大似然的估计非完整数据结构集的概率分布模型的参数。本文结合高斯混合分布的重叠度改进了EM算法的GMM，并在说话人识别中进行了验证，实验证明，改进EM算法的GMM对提高识别率具有一定的作用。4.期刊论文王源.陈亚军.WANGYuan.CHENYa-jun基于高斯混合模型的EM学习算法-山西师范大学学报（
5、自然科学版）2005,19(1)本文研究了一类基于无监督聚类学习的算法--EM算法的算法实现.EM算法通常用于存在隐含变量时的聚类学习,由于引入了隐含变量,导致算法难以保证收敛和达到极优值.本文通过将该算法应用于高斯混合模型的学习,引入重叠度分析的方法改进EM算法的约束条件,从而能够确保EM算法的正确学习.5.学位论文李宇基于改进的高斯混合模型的说话人识别的研究2004该论文详细研究了基于高斯混合模型(GMM)及其改进模型的无文本说话人识别系统.该论文完成的工作有:(1).建立了一个包括30个说话人的语音库.(2).完成了语音特征MFCC
6、的提取,讨论了提取过程中的一些问题.(3).介绍了正交高斯混合模型及其在说话人识别中的具体应用.传统的高斯混合模型(GMM)常常假定协方差矩阵为对角线矩阵,但需大量的混合成员来表征分布情况,这将会导致训练量的增加.正交高斯混合模型的主要思想是在传统的GMM之前先将特征矢量变换到由协方差矩阵的本征向量决定的空间中去,这样得到的对角线协方差矩阵可以更准确地反映分布的情况.基于正交高斯混合模型的说话人识别实验表明该算法在说话人识别方面比传统的GMM算法有更好的效果并具有良好的应用前景.(4).把进化算法应用到GMM和正交GMM的参数训练中.传统
7、的EM算法作为一种梯度算法,获得的只是一个局部最优解,而进化计算有很强的全局搜索能力.该文引入以进化策略为主的进化方法来改进EM算法.然后用这种进化算法分别训练GMM和正交GMM.实验得出:基于进化混合算法的正交GMM说话人识别系统与基于EM算法的GMM和正交GMM说话人识别系统相比,识别率有所提高.6.期刊论文刘建明.侯纪周.奚宏生基于GMM与EM算法的呼叫接入控制-通信技术2002(4)研究了ATM通信网络基于高斯混合模型的呼叫接入控制问题.提出了使用高斯混合模型来近似聚合通信流带宽分布的概率密度函数,通过EM算法来估计混合模型的参数
8、并导出了基于高斯混合模型的允许接入控制公式.7.学位论文熊汉春EM算法在模式识别中的应用研究1998在模式识别领域中,模式分类器和训练算法一直是国内外研究的热门课题之一.该文就EM算法在模式识
