高斯混合模型的数据尺度可压缩参数学习算法.pdfVIP

下载本文档

11
0
约1.42万字
约 4页
2017-08-16 发布于安徽
举报
版权申诉

高斯混合模型的数据尺度可压缩参数学习算法.pdf

1、本文档共4页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第8A期信号处理 V01．25．No．8A 兰些堡垒旦：：；一：一：一：：：：一：兰垒坠曼!曼竺竺型型呈一：：：：：：=：一——：：垒竺墨；兰些：高斯混合模型的数据尺度可压缩参数学习算法马尽文何学锋北京大学数学科学学院信息科学系。北京，100871 摘要：在数据处理中，高斯混合模型是一种非常有效的概率模型并对此已经建立了一些有效的参数学习算法，如 EM算法。但随着数据的不断积累。出现了大尺度数据源。如果直接使用这些大尺度的数据，传统的参数学习算法会耗费掉大量的时间，并占用巨大的储存空间，甚至是不可行的。为了解决这一问题，本文提出了基于FSCL(Frequency SensitivityCompetitiveLearning)算法进行数据尺度压缩的方案，并将其应用于EM算法。通过模拟数据的实验验证了这种尺度压缩方案的可行性和有效性。关键词：高斯混合模型，尺度可压缩算法，EM算法。 Parameter forGaussianMixture Scalable LearningAlgorithm Modeling JinwenMa He Xuefeng ofInformation ofMathematical Department Science，School Sciences，PekingUniversity,Beijing，100871 are Abstract：Indata mixtureisall efficient modelandthereseveralefficient very probabilistic parameter processing，Gaussian forGaussian theEM withthe mixture，including developmentofcomputertechnique, learningalgorithms algorithm．Howeveg a numberofdatahavebeenaccumulated．Ifwetheseconventionalonsucha dataset large implement algorithms large directly, thetimeand are ordertosolvethis thescalable memoryspacestronglyconsuming．In problem，weinvestigate learning onGaussianmixture the Sensitive for algorithms byadoptingFrequencyCompetitiveLearning(FSCL)algorithmcompressing the this totheEM andmakeitscalable．Itisdemonstrated originaldata．Actually,Weapplycompressingprocedure algorithm thesimulation thatthisscalableschemeforGaussia