基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
混合高斯模型在描述数据方面应用较多,但它易受离群点的影响,其参数的极大似然估计不是稳健估计。混合t-分布模型由于其重尾分布的特性,相对于混合高斯分布,在分析重尾数据上更具稳健性。文章首先研究一元混合t-分布模型,利用标准EM算法给出了该模型参数极大似然估计的迭代步骤,并分别在三类模拟数据下与混合高斯模型进行了对比分析,验证了该模型的有效性以及在拟合重尾数据上的优势。算法初始化采用k-means方法。
推荐文章
约束下混合模型的参数估计
混合模型
不等式约束
PC准则
混合分组数据下恒加试验的参数估计
加速寿命试验
EM算法
混合分组数据
指数分布
粒子群优化算法在催化裂化模型参数估计中的应用
催化裂化
参数估计
Levenberg-Marquardt算法
混合粒子群优化算法
混合泊松-高斯分布模型的参数估计
电荷耦合器件
图像处理
参数估计
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 不同类型数据下混合模型参数估计效果的对比研究
来源期刊 统计学与应用 学科 工学
关键词 EM算法 混合t-分布模型 k-Means初始化
年,卷(期) 2017,(4) 所属期刊栏目
研究方向 页码范围 482-491
页数 10页 分类号 TP39
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王小英 华北电力大学数理学院 7 6 1.0 2.0
2 李迎华 华北电力大学数理学院 3 1 1.0 1.0
3 杨雪梅 华北电力大学数理学院 3 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
EM算法
混合t-分布模型
k-Means初始化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
统计学与应用
双月刊
2325-2251
武汉市江夏区汤逊湖北路38号光谷总部空间
出版文献量(篇)
512
总下载数(次)
3
总被引数(次)
0
论文1v1指导