本文關鍵詞：一類混合高斯模型參數的優(yōu)化估計

  更多相關文章： 混合高斯模型 優(yōu)化估計 EM算法 遺傳算法 粒子群算法

【摘要】：有限混合模型是用于分析復雜問題的一個有效的建模工具。在諸多的混合模型中,混合高斯模型的應用更為廣泛,尤其是在圖像處理、人臉識別、通信和信號處理等。理論及數值試驗充分證明：混合高斯分布模型能夠逼近任何一個光滑分布,而對該模型參數的有效估計是準確分析、模擬復雜問題的必要前提。 最常用的點估計是矩估計和極大似然估計。在混合高斯模型的研究中,最初是用矩估計法解決兩分支的混合高斯模型參數估計。對兩分支以上的混合模型而言,矩估計法難以得到滿意的解決方法。而極大似然估計可以對多分支混合高斯模型的參數作出估計,EM算法是求解極大似然估計的常用方法。 EM算法自從提出,就已成為一種非常流行地處理不完全數據的極大似然估計的方法。恰好我們經常處理的樣本數據集通�？煽醋魇遣煌耆珨祿�,進而EM算法就為混合高斯模型的參數估計提供了一種標準框架。但是EM算法是一種容易陷入局部最優(yōu)值的迭代算法,收斂速度慢,對初始值依賴性較強,使得最后的參數估計結果不精確。為了能夠得到混合高斯模型參數的優(yōu)化估計,本文將具有全局收斂性能的遺傳算法和粒子群算法結合于EM算法框架中來克服EM算法自身的缺點。遺傳算法具有很強的全局搜索能力,但是由于其在初始值設定以及變異等操作中的隨機性,使得搜索結果會受到一些隨機因素的影響。因此本文首先將粒子群算法應用于遺傳算法的初始種群選取以及變異操作上來改進遺傳算法,將改進的遺傳算法與EM算法框架結合。一方面降低了EM算法對初始值的依賴性,另一方面也有效地提高了收斂速度及混合高斯模型參數估計值的精度。通常我們都是在混合分支數已知的情況下對各分支參數進行估計,但是對大多數復雜問題的模擬中,混合高斯模型都是分支數未知的。為了得到合理的分支數,本文將最小信息長度準則框架與改進的EM算法(PSOGA-EM算法)結合。不僅優(yōu)化了各分支的參數估計結果,同時也比較準確地估計出了混合高斯模型的分支數,最后通過兩組數值試驗證實了本文所提方法的可行性和穩(wěn)定性。
【關鍵詞】：混合高斯模型 優(yōu)化估計 EM算法 遺傳算法 粒子群算法
【學位授予單位】：西南石油大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：O212.1;TP18
【目錄】：

• 摘要3-4
• Abstract4-8
• 第1章 緒論8-13
• 1.1 研究背景8-10
• 1.2 國內外研究動態(tài)10-11
• 1.3 本文的研究目的及意義11-12
• 1.4 本文的主要研究內容12
• 1.5 本文的結構安排12-13
• 第2章 EM算法及混合高斯模型的EM算法13-27
• 2.1 EM算法概述13-14
• 2.2 EM算法的主要性質14-17
• 2.3 混合高斯模型的EM算法17-23
• 2.3.1 單高斯模型17-18
• 2.3.2 混合高斯分布模型18-23
• 2.4 EM算法在混合高斯分布模型參數估計中的應用23-26
• 2.5 本章小結26-27
• 第3章 遺傳算法和粒子群算法概述27-36
• 3.1 遺傳算法簡介27-31
• 3.1.1 遺傳算法的各運行參數描述27-30
• 3.1.2 遺傳算法主要特點概述30-31
• 3.2 粒子群算法簡介31-33
• 3.2.1 基本粒子群算法描述31-33
• 3.2.2 基本粒子群算法步驟概述33
• 3.3 遺傳算法和粒子群算法的比較33-35
• 3.4 本章小結35-36
• 第4章 基于粒子群優(yōu)化遺傳算法的改進EM算法36-63
• 4.1 基于粒子群優(yōu)化的遺傳算法(PSOGA算法)36-41
• 4.1.1 基于粒子群算法初始化遺傳算法種群37-39
• 4.1.2 基于粒子群算法重構變異算子39-41
• 4.2 基于粒子群優(yōu)化遺傳算法的改進EM算法(PSOGA-EM算法)41-47
• 4.2.1 混合模型最優(yōu)階數的估計方法43-46
• 4.2.2 估計混合高斯模型分支數的MML-PSOGA-EM算法46-47
• 4.3 基于改進EM算法的未知階數的混合高斯模型參數估計47-62
• 4.3.1 算法的適應度函數與遺傳操作48-51
• 4.3.2 試驗分析：比較EM算法和PSOGA-EM算法51-62
• 4.4 本章小結62-63
• 第5章 總結與進一步工作63-65
• 5.1 總結63-64
• 5.2 進一步工作64-65
• 致謝65-66
• 參考文獻66-69
• 攻讀碩士期間發(fā)表的論文69

【參考文獻】

中國期刊全文數據庫 前1條

1 翟繼友;張鵬;;高斯混合模型參數估值算法的優(yōu)化[J];計算機技術與發(fā)展;2011年11期

，

本文編號：1126173