修正Ｇｉｂｂｓ采樣的有限混合模型無監督學習算法

劉偉峰　韓崇昭　石　勇

摘要：針對傳統有限混合模型無監督學習算法不能處理參數維數變化的問題，提出了一種基于修正Gibbs采樣的無監督學習算法。該算法的關鍵是，在每一次完全采樣之后引入分布元的合并和剔除技術，即將利用均值、協方差矩陣差值的2范數作為合并的判斷準則，最小且小于閾值的分布無權重作為剔除規則。仿真實驗表明，所提算法對于參數初值的選擇是不敏感的，對于分布元個數的先驗信息要求得更少，它不僅可以處理維數變化問題，而且不必計算跳變概率，同時能夠很好地估計出分布元個數及其參數。

關鍵詞：無監督學習；有限混合模型；參數維數變化；跳變；分布無管理

中圖分類號：TP391文獻標志碼：A文章編號：0253—987X(2009)02—0015—05