统计推断与贝叶斯预测.pptVIP

第二章 统计推断与贝叶斯预测 2.1 引言与导学 2.2 贝叶斯估计基础 ---想法 2.3 贝叶斯估计---评价 2.4 期望-最大方法 ---算法 2.5 高斯混合模型的设计---算法 2.6 贝叶斯分类 ---应用 2.7 随机过程空间的建模---提高 2.1 引言与导学 本章首先给出一个关于参数估计理论基本概念的介绍。（想法） 然后介绍用于定量评价估计量性能的统计测度。我们主要研究贝叶斯估计方法，考虑在估计均值与方差中使用先验模型的效果。（评价） 研究从不完整数据中估计一组未知参数的期望最大（EM）方法，并将其应用于连续随机变量的高斯混合模型空间。（算法） 本章最后以离散或有限状态信号的贝叶斯分类结束，并介绍K-均值聚类方法。 本章思路：想法---算法---评价---应用 音乐信号的分离 GMM的例子 例 ：一个班级每个学生的身高为 假设男生和女生的身高分别服从高斯分布 则 其中 为男生的比例， 问题：给定独立同分布(independent and identically distributed----IID)的数据 ，求参数 混合模型的参数估计是EM(Expectation Maximization)算法最典型的应用 2.2 贝叶斯估计基础 估计理论主要研究从观测信号中最优地估计出参