已閱讀1頁，還剩36頁未讀， 繼續(xù)免費閱讀
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)，請進行舉報或認領(lǐng)
文檔簡介
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于處理復(fù)雜數(shù)據(jù)更加有效.估計混合模型中參數(shù)的方法中最流行的是EM算法,但是它有如下幾個問題:(1)對初值的過度依賴,(2)不能保證其收斂到全局最優(yōu)點,(3)混合模型中的成分數(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)頁內(nèi)容里面會有圖紙預(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. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對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EM算法的混合模型參數(shù)估計及聚類分析.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)估計中的應(yīng)用
- 621.有限混合分布模型參數(shù)估計的em算法及模擬
- 基于混合多階多變量模糊時間序列和遺傳算法的股票預(yù)測模型.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)學習算法的研究.pdf
- 基于隨機矩陣變換和貪婪算法的快速PCA算法.pdf
- EM算法及其改進在混合模型參數(shù)估計中的應(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
- 重建點模型下EM成像算法的研究.pdf
- 基于改進EM算法和混合核SVM的圖像檢索技術(shù)研究及應(yīng)用.pdf
評論
0/150
提交評論