抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】