特許

J-GLOBAL ID：200903055148179276

混合モデルのベイズ推定方法および混合モデルのベイズ推定プログラムを記録した記録媒体

発明者： 上田 修功
出願人/特許権者： 日本電信電話株式会社
代理人 (1件)： 三好 秀和 (外1名)
公報種別：公開公報
出願番号（国際出願番号）：特願2000-013545
公開番号（公開出願番号）：特開2001-202358
出願日： 2000年01月21日
公開日（公表日）： 2001年07月27日
要約：

【要約】【課題】 本発明は、混合モデルのベイズ推定に対し、混合数の事後分布最大化の観点で最適な混合数を探索することのできる混合モデルのベイズ推定方法およびそのプログラムを記録した記録媒体を提供することを目的とする。【解決手段】 初期パラメータ値および初期混合数に対して、一般のベイズ推定方法を用いてパラメータの事後分布を推定するステップと、最良併合結果を得るステップと、最良併合分割結果を得るステップと、最良分割結果を得るステップと、前記各ステップで得られた最良併合結果、最良併合分割結果、最良分割結果のそれぞれを比較し、各々に対応する前記対数アンサンブル尤度関数の下限値が最大となる結果を選択するステップと、上記一連のステップを前記対数アンサンブル尤度関数の下限値が増大しなくなるまで繰り返し実行するステップとを備えて構成される。

請求項（抜粋）：

複数の確率密度関数の線形和として定義される混合モデルの確率密度関数がパラメトリックに与えられ、該確率密度関数と観測データとを用いて算出される対数アンサンブル尤度関数の下限値を最大化するパラメータの事後分布と混合数の事後分布とを逐次反復法によって求めるときの混合モデルのベイズ推定方法であって、初期パラメータ値および初期混合数に対して、一般のベイズ推定方法を用いてパラメータの事後分布を推定するステップと、最良併合結果を得るために、混合モデル中の2つの要素モデルを選択し、これら2つの要素モデルを新たな1つの要素モデルとして併合し、この新たな要素モデルのパラメータの事後分布を推定した後、前記ベイズ推定方法で全ての要素モデルのパラメータの事後分布を推定し直し、前記併合により前記対数アンサンブル尤度関数の下限値が増大する場合、その推定値を最良併合結果として採用し、増大しない場合には、前記併合処理前に戻り、別の要素モデルとの併合を行うという処理を予め定めた有限個の候補がなくなるまで実行するステップと、最良併合分割結果を得るために、3つの要素モデルを選択し、これら2つの要素モデルを新たな1つの要素モデルとして併合し、残りの1つを新たな2つの要素モデルとして分割し、この新たな要素モデルのパラメータの事後分布を推定した後、前記ベイズ推定方法で全ての要素モデルのパラメータの事後分布を推定し直し、前記併合分割により前記対数アンサンブル尤度関数の下限値が増大する場合、その推定値を最良併合分割結果として採用し、増大しない場合には、前記併合分割処理前に戻り、別の要素モデルとの併合分割を行うという処理を予め定めた有限個の候補がなくなるまで実行するステップと、最良分割結果を得るために、1つの要素モデルを選択し、その要素モデルを新たな2つの要素モデルとして分割し、この新たな要素モデルのパラメータの事後分布を推定した後、前記ベイズ推定方法で全ての要素モデルのパラメータの事後分布を推定し直し、前記分割により前記対数アンサンブル尤度関数の下限値が増大する場合、その推定値を最良分割結果として採用し、増大しない場合には、前記分割処理前に戻り、別の要素モデルの分割を行うという処理を予め定めた有限個の候補がなくなるまで実行するステップと、前記各ステップで得られた最良併合結果、最良併合分割結果、最良分割結果のそれぞれを比較し、各々に対応する前記対数アンサンブル尤度関数の下限値が最大となる結果を選択するステップと、上記一連のステップを前記対数アンサンブル尤度関数の下限値が増大しなくなるまで繰り返し実行するステップとを有することを特徴とする混合モデルのベイズ推定方法。

IPC (2件)：

G06F 17/18 ,  G10L 15/10

FI (2件)：

G06F 15/36 Z ,  G10L 3/00 531 F

Fターム (4件)：

5B056BB64 ,  5B056BB91 ,  5D015HH23 ,  9A001GG05