基于EM算法的模型聚类的研究及应用

本文档由 948265406 分享于2010-11-12 20:03

在人工智能,模式识别,机器学习等领域中,很多的应用都要用到模型的参数估计。即极大似然估计或极大后验似然估计。EM算法,又称期望最大算法,就是作为一种参数估计的方法通常用于存在缺失数据的情况下。核心思想就是根据已有的数据来迭代计算似然函数,使之收敛于某个最优值。本文简要介绍了聚类的基础知识,回顾了聚类的典型方法,重点介绍了基于模型的聚类方法。然后,文章深入讨论了EM算法并从以下四个方面对EM算法进行了..
文档格式:
.pdf
文档大小:
2.44M
文档页数:
64
顶 /踩数:
3 0
收藏人数:
4
评论次数:
0
文档热度:
文档分类:
论文  —  期刊/会议论文
添加到豆单
文档标签:
EM算法 高斯 混合模型 双重 极大似然 估计 半监督 聚类 初始化 MFCC
系统标签:
聚类 算法 模型 混合模型 初始化 应用
下载文档
收藏
打印

扫扫二维码,随身浏览文档

手机或平板扫扫即可继续访问

推荐豆丁书房APP  

获取二维码

分享文档

将文档分享至:
分享完整地址
文档地址: 复制
粘贴到BBS或博客
flash地址: 复制

支持嵌入FLASH地址的网站使用

html代码: 复制

默认尺寸450px*300px480px*400px650px*490px

支持嵌入HTML代码的网站使用





82