EM算法的ε-加速及在有限混合模型中的应用

摘要：

为解决EM算法对初始值比较敏感,易陷入局部最优和当模型缺失变量或隐变量的比例较高时收敛速度慢等问题,本文首先采用经典的K-means聚类算法进行初始值选取,使得初始值更加接近EM序列的稳定点,在一定程度上能避免EM序列陷入局部极值,然后采用ε - 加速算法进行加速,即K-means+ε - 加速EM算法,并比较不同情况加速的EM算法在有限混合模型参数估计中的时间成本和精度大小.数值结果表明:在不降低精度的情况下 K-means+ε - 加速EM算法在各种条件下均能够大大加快EM算法的收敛速度.

关键词：EM算法、ε-加速算法、K-means聚类、有限混合分布模型

所属期刊栏目：16

分类号：TP311.13(计算技术、计算机技术)

资助基金：广东省自然科学基金资助项目2015A030313587;深圳市科技计划JCYJ20130401095559825,JCYJ20150417094158025

在线出版日期：2019-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：37-46