导读:本文包含了初始化高斯混合模型论文开题报告文献综述及选题提纲参考文献，主要关键词:高斯混合模型,聚类,最小协方差矩阵行列式,EM算法
初始化高斯混合模型论文文献综述
胡庆辉,阮晓霞[1]（2016）在《基于MCD初始化的高斯混合模型聚类》一文中研究指出高斯混合模型聚类是一种基于概率模型的有效聚类方法,传统算法对模型的初始化(包含成分数、每个成分的均值和方差)的设置非常敏感,容易导致EM算法陷入局部最优解或收敛到解空间的边界,为了解决这个问题,可利用最小化协方差矩阵行列式(MCD),结合传统成熟的高斯混合模型算法,来实现对高斯混合模型的初始化,而MCD初始化的算法对初始值的设定没有特殊的要求,通过实验证明其具有很好的聚类性能和鲁棒性。(本文来源于《桂林航天工业学院学报》期刊2016年01期）
王鑫[2]（2012）在《基于高斯混合模型的k均值初始化EM算法的研究》一文中研究指出EM算法是一种非常流行的极大似然估计方法,是一种当观测数据为不完全数据时求解最大似然估计的迭代算法,也是估计有限混合模型参数十分有效的算法.然而,EM算法是一个局部最优算法,常常容易陷入局部最优解,使得它的初始值对算法的结果有着极其重要的影响.因此采用k均值算法来初始化EM算法并将聚类结果同直接用EM算法得到的聚类结果相比较.数值试验表明经过初始化的EM算法的聚类效果要明显好于原始EM算法的效果.(本文来源于《商丘师范学院学报》期刊2012年12期）
肖维[3]（2011）在《用于高斯混合模型参数估计的EM算法及其初始化研究》一文中研究指出基于有限混合模型的聚类是一种重要的聚类分析方法,而EM算法是混合模型参数估计的重要方法。传统的EM算法对初始聚类中心比较敏感,因此如何选取初始值成为运用EM算法实现高斯混合模型聚类中的一个重要问题。本文提出一种基于网格的聚类算法来初始化EM算法,旨在改善EM算法的初始敏感性,使其达到更佳的聚类效果。此算法根据网格单元密度高低来识别孤立点和噪声点,利用相似性度量进行聚类,利用网格核思想来降低时间复杂度。仿真实验结果表明,该方法时间复杂度较低,且用该方法优化初始聚类中心后的EM算法有着很好的稳定性和精确性。(本文来源于《电子测试》期刊2011年06期）
岳佳,王士同[4]（2006）在《高斯混合模型聚类中EM算法及初始化的研究》一文中研究指出EM算法是参数估计的重要方法,其算法核心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。EM算法收敛的优劣很大程度上取决于其初始参数。运用EM算法来实现高斯混合模型聚类,如何初始化EM参数便成为一个关键的问题。在比较其他的初始化方法的基础上,引入“binning”法来初始化EM。实验结果表明,应用binning法来初始化EM的高斯混合模型聚类优于其它传统的初始化方法。(本文来源于《微计算机信息》期刊2006年33期）
初始化高斯混合模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
EM算法是一种非常流行的极大似然估计方法,是一种当观测数据为不完全数据时求解最大似然估计的迭代算法,也是估计有限混合模型参数十分有效的算法.然而,EM算法是一个局部最优算法,常常容易陷入局部最优解,使得它的初始值对算法的结果有着极其重要的影响.因此采用k均值算法来初始化EM算法并将聚类结果同直接用EM算法得到的聚类结果相比较.数值试验表明经过初始化的EM算法的聚类效果要明显好于原始EM算法的效果.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
初始化高斯混合模型论文参考文献
[1].胡庆辉,阮晓霞.基于MCD初始化的高斯混合模型聚类[J].桂林航天工业学院学报.2016
[2].王鑫.基于高斯混合模型的k均值初始化EM算法的研究[J].商丘师范学院学报.2012
[3].肖维.用于高斯混合模型参数估计的EM算法及其初始化研究[J].电子测试.2011
[4].岳佳,王士同.高斯混合模型聚类中EM算法及初始化的研究[J].微计算机信息.2006
标签：高斯混合模型; 聚类; 最小协方差矩阵行列式; EM算法;