从高斯过程到高斯过程混合模型：研究与展望

• 作者: 周亚同 陈子一 马尽文
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 高斯过程 高斯过程混合模型 机器学习 回归预测 聚类分析
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 综述
• 页码范围: 960-972
• 页数: 13页
• 分类号: TP18
• 字数: 11718字
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2016.08.11

摘要

高斯过程（GP）模型是核学习方法与贝叶斯推理相结合的典范，现已成为机器学习领域的一个研究热点。作为对 GP 模型的拓展，高斯过程混合（MGP）模型具有更强大的学习能力和适应性。然而，目前关于 GP 和 MGP模型的研究较为零散，尚缺少系统的分析与总结。本文首先对于 GP 模型的基本原理及其研究进展进行了深入地分析和讨论；然后将 GP 模型拓展至 MGP 模型，从多方面对 MGP 模型的研究现状和进展进行了深入地分析和讨论，并指出未来值得探索的研究方向和应用问题。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马尽文	北京大学数学科学学院数学及其应用教育部重点实验室	18	87	5.0	9.0
2	周亚同	北京大学数学科学学院数学及其应用教育部重点实验室	58	236	9.0	13.0
6	陈子一	北京大学数学科学学院数学及其应用教育部重点实验室	1	10	1.0	1.0