聚类-EM算法_第1页
聚类-EM算法_第2页
聚类-EM算法_第3页
聚类-EM算法_第4页
聚类-EM算法_第5页
已阅读5页,还剩8页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

例1 为了调查学校学生身高 随机抽样n个男生和m个女生 设身高服从正态分布 试确定男女生对应的均值与方差 极大似然估计 例2 设某组零件的不合格率p 抽样n个零件 其中t个不合格零件 试估计不合格率p 例3 若例1中男女生数据混合无法区分 即只知总人数 试确定男女生对应的均值与方差 分析 该问题含两个正态分布 每个样本有2种参数需要估计 第一 每个样本属于1还是2 隐藏的标签 第二 每一类样本的均值与方差 1 若隐藏的标签已知 则由极大似然估计易得均值与方差 2 若均值与方差已知 则可以进一步调整样本标签 1 样本标签已被隐藏 可假设隐藏标签已知 写出 对数 似然函数表达式对隐藏的标签取期望后 再采用极大似然估计的均值与方差 EM expectaion maximization 期望 最大化方法混合Gauss模型 给定N个观测样本 满足如下混合形式的概率 求混合分布的三组参数 EM算法流程 1 任意给出高斯分布的参数 需要保证 2 Expectation步 3 Maximum步 用最大似然估计重新估计均值 方差和权重 4 返回第2步 直到各参数的值变化小于指定精度e 一般的EM算法 EM算法改进 关于初始点的选择初始值的获取可以通过k means算法 层次聚类算法或者是对数据进行随机的分割 1 重复利用EM CEM和SEM进行初始点的选择 2 1 McLachlan G J andNg S K 2008 TheEMalgorithm 2 ChristopheBiernachi GillesCeleux GerardGovaert 2003 ChoosingstartingvaluesfortheEMalgorithmforgettingthehighestlikelihoodinmultivariateGaussianmixturemodels

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论