

已閱讀1頁(yè),還剩36頁(yè)未讀, 繼續(xù)免費(fèi)閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、主成分分析和因子分析是兩種常見的隱藏變量模型,它們都是簡(jiǎn)單有效的降維工具.但是,它們是一種線性投影,而非線性投影更適合于獲得數(shù)據(jù)中更多的信息.由于t分布比正態(tài)分布穩(wěn)健,由此產(chǎn)生的混合的基于多元t分布的概率主成分分析和因子分析對(duì)于處理復(fù)雜數(shù)據(jù)更加有效.估計(jì)混合模型中參數(shù)的方法中最流行的是EM算法,但是它有如下幾個(gè)問題:(1)對(duì)初值的過度依賴,(2)不能保證其收斂到全局最優(yōu)點(diǎn),(3)混合模型中的成分?jǐn)?shù)要先給定.為此,該文利用基于數(shù)據(jù)本身信息
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- (7)混合高斯模型和EM算法.pdf
- em算法在高斯混合模型中的應(yīng)用
- em算法在高斯混合模型中的應(yīng)用
- 基于高斯混合模型的EM算法及其應(yīng)用研究.pdf
- 基于改進(jìn)EM算法的混合模型參數(shù)估計(jì)及聚類分析.pdf
- 基于EM算法和混合高斯模型的淬火爐構(gòu)件溫度軟測(cè)量建模.pdf
- 有限混合正態(tài)分布的em算法
- 23145.em算法在混合模型參數(shù)估計(jì)中的應(yīng)用
- 621.有限混合分布模型參數(shù)估計(jì)的em算法及模擬
- 基于混合多階多變量模糊時(shí)間序列和遺傳算法的股票預(yù)測(cè)模型.pdf
- 10345.右刪失數(shù)據(jù)下混合線性回歸模型的穩(wěn)健em算法
- 具有隱藏變量貝葉斯網(wǎng)學(xué)習(xí)算法的研究.pdf
- 基于隨機(jī)矩陣變換和貪婪算法的快速PCA算法.pdf
- EM算法及其改進(jìn)在混合模型參數(shù)估計(jì)中的應(yīng)用研究.pdf
- (8)EM算法.pdf
- 信息隱藏和隱藏分析的理論與算法研究.pdf
- 多種群退火貪婪混合遺傳算法的研究與應(yīng)用.pdf
- EM算法及其在污染模型中的應(yīng)用.pdf
- 重建點(diǎn)模型下EM成像算法的研究.pdf
- 基于改進(jìn)EM算法和混合核SVM的圖像檢索技術(shù)研究及應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論