基于完整似然最短信息长度准则的高斯混合模型聚类

• 作者: 卢伟 宋爱国 曾洪
• 来源期刊: 东南大学学报（英文版）
• 学科: 工学
• 关键词: 高斯混合模型 非高斯分布 模型选择 期望最大化算法 完整似然最短信息长度准则
• 年，卷（期）: 2013,（1）
• 页码范围: 43-47
• 页数: 5页
• 分类号: TP181
• 字数: 1146字
• 语种: 英文
• DOI: 10.3969/j.issn.1003-7985.2013.01.009

摘要

针对数据真实的概率分布不符合事先假设的高斯混合模型的情形,提出了一种鲁棒的基于高斯混合模型的聚类方法.首先,提出了一种新的模型选择准则,即完整似然最短信息长度准则.该准则不仅能衡量模型对数据的拟合优度,还能度量该模型对数据分组的性能.然后,将该准则作为聚类的代价函数,提出了一种新的期望最大化算法来估计模型参数.与标准的期望最大化算法相比,新算法能较好地避免不理想的局部最优解.实验结果表明:当数据概率分布模型不符合假设的高斯混合模型时,所提方法可克服现有的基于高斯混合模型聚类方法过拟合的缺点,鲁棒地得到准确的聚类结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋爱国	东南大学仪器科学与工程学院	404	4720	32.0	46.0
2	卢伟	南京农业大学工学院	38	177	8.0	12.0
3	曾洪	东南大学仪器科学与工程学院	8	18	2.0	4.0