文献

J-GLOBAL ID：202002232609996992   整理番号：20A0532281

サブガウスα安定混合モデルのための擬似確率EM【JST・京大機械翻訳】

Pseudo-stochastic EM for sub-Gaussian α-stable mixture models

著者 (2件)： Zarei Shaho (Department of Statistics, Faculty of Mathematics and Computer Science, Amirkabir University of Technology (Tehran Polytechnic), Tehran, Iran) ,  Mohammadpour Adel (Department of Statistics, Faculty of Mathematics and Computer Science, Amirkabir University of Technology (Tehran Polytechnic), Tehran, Iran)
資料名： Digital Signal Processing  (Digital Signal Processing)
巻： 99  ページ： Null  発行年： 2020年 
JST資料番号： W1600A  ISSN： 1051-2004  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： サブGaussα安定密度に対する閉形式表現の非存在により,サブGaussα安定混合モデル(SGαSMMs)に対する期待値最大化(EM)アルゴリズムのMステップは扱いにくく,SGαSMMに対するEMアルゴリズムは依然として未解決問題である。SGαSMMは,非均一Gaussデータをモデル化し,異常値と高いレバー年齢データ点を適応させることができる。それは,ロバスト混合モデルにおける主要な重要性の概念である。これらのモデルは,クラスタ化金融あるいはインパルスデータのような異常値観測による不均一データのモデリングにおけるロバストで有用なツールである。本論文では,EM(第1部)と確率的EM(第2部)アルゴリズムの組合せに基づく新しいEMアルゴリズムを用いて,MステップにおけるSGαSMMのパラメータの最大尤度推定量を得た。最初の部分では,αsを除いてモデルパラメータをEMによる解析形式から推定した。第二部では,確率的EMに基づいて,各成分におけるαの最大尤度推定量を,適切な排除サンプリングにより得られた擬似シミュレーションデータから計算した。提案したアルゴリズムの効率を,実際とシミュレーションデータの両方を用いて説明した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  金融 ,  ロバスト性 ,  最尤法 ,  異常値 ,  クラスタ化 ,  *アルゴリズム ,  正規分布
準シソーラス用語： モデルパラメータ ,  力積 ,  未解決問題 ,  EMアルゴリズム ,  閉形式 ,  *混合モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： 混合モデル ,  サブGauss型α安定分布 ,  期待値最大化アルゴリズム ,  拒絶サンプリング

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： サブ ,  ガウス ,  混合モデル ,  擬似 ,  確率 ,  EM