文献

J-GLOBAL ID：201802289936726206   整理番号：18A0382241

望ましさレベル基準に基づくGauss混合モデルのためのモデル選択【Powered by NICT】

Model selection for Gaussian mixture model based on desirability level criterion

著者 (1件)： Peng Weishi (School of Equipment Engineering, People Armed Police Engineering University, Xi’an, Shaanxi, 710086, China)
資料名： Optik  (Optik)
巻： 130  ページ： 797-805  発行年： 2017年 
JST資料番号： D0251A  ISSN： 0030-4026  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 期待値最大化(EM)アルゴリズムは,Gauss混合モデルのパラメータを推定するための最も持続的方法である。しかし,EMアルゴリズムは,混合成分の真の数を事前に知る必要がある。,この重要な情報が入手可能でない場合,このアルゴリズムを実行する直接的な通常ではない。一方,その性能は初期パラメータに強く依存する。これらの問題を軽減するために,望ましさレベル基準,新しいモデル選択基準は,部品の数を選択するために提案した。特に,いずれかが実際の数と一致する,あるいはわずかにそれを超える発見まで可変ステップを提案し,これは観測データに適合するGauss混合モデル間の距離を定量化するための効率的な指標を提供する望ましさレベル基準の値を最大化する。さらに,望ましくない成分は,望ましさレベル基準のしきい値を設定することにより抑制することができた。数値例により,この望ましさレベル基準の有効性を示すために提供した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *アルゴリズム
準シソーラス用語： EMアルゴリズム ,  *モデル選択 ,  *Gauss混合モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： Gauss混合モデル ,  EMアルゴリズム ,  モデル選択 ,  望ましさレベル基準

分類 (2件)： 光の屈折,反射,分散,偏向,吸収,透過  (BD03020B) ,  レーザ一般  (BD04030T)

タイトルに関連する用語 (2件)： Gauss混合モデル ,  モデル選択