文献

J-GLOBAL ID：201202207603416032   整理番号：12A0807811

混合Gauss分布と一様分布の混合を用いたモデルに基づく学習

Model-Based Learning Using a Mixture of Mixtures of Gaussian and Uniform Distributions

著者 (3件)： BROWNE Ryan P. (Univ. Guelph, Ontario, CAN) ,  MCNICHOLAS Paul D. (Univ. Guelph, Ontario, CAN) ,  SPARLING Matthew D. (Univ. Guelph, Ontario, CAN)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 34  号： 4  ページ： 814-817  発行年： 2012年04月 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 著者らは以前にモデルに基づくクラスタリングの半教師付き学習版として多変量t分布の混合モデル,及び潜在的な混合Gaussモデルを用いたモデルに基づく識別を提案した。本論文では,各混合要素自身が多変量Gauss分布と多変量一様分布の混合であるような混合モデルを導入し,それを用いてより一般的なモデルに基づく識別の枠組みに焦点を当てた。具体的には,p次元の観測n個のうちのk個がG個のグループのうちの1つに属することがわかっているとき,ラベルが未知の観測の帰属を予測するために最尤推定のための期待値最大化アルゴリズムを適用した。関連するパラメータ推定を簡略化するために一様分布のパラメータや内部混合比を固定する制約に基づくモデルを用意し,前記制約のない完全なモデルを含めて4つのモデルに対して1次元及び2次元のシミュレーション実験を行った。その結果,混合モデルの混合では混合Gauss分布ではとらえることができない確率密度分布のバーストや,尾部の局所的な立ち上がりをとらえることができた。また,実データ集合に適用したところ一般的な混合Gauss分布を凌ぐ識別性能が得られ,混合手法の混合の有効性が確かめられた。

シソーラス用語： 判別分析 ,  *教師つき学習 ,  *クラスタ分析 ,  Gauss模型 ,  パラメータ推定 ,  計算機シミュレーション ,  性能評価 ,  *ラベル付け【画像】
準シソーラス用語： *半教師つき学習 ,  Gauss混合モデル

分類 (3件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 混合Gauss分布 ,  一様分布 ,  モデル ,  学習