基于分裂EM算法的GMM参数估计

• 作者: 李莹莹 檀结庆 辜丽川 钟金琴
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 高斯混合模型 期望最大化 参数估计 模式分类
• 年，卷（期）: 2012,（34）
• 所属期刊栏目: 博士论坛
• 页码范围: 28-32,59
• 页数: 6页
• 分类号: TP391
• 字数: 3781字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1206-0419

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	檀结庆	合肥工业大学计算机与信息学院	128	976	17.0	23.0
2	李莹莹	合肥工业大学计算机与信息学院	15	114	7.0	10.0
3	钟金琴	安徽大学电子与信息系	6	114	5.0	6.0
5	辜丽川	安徽农业大学计算机信息学院	64	341	11.0	15.0