基于惩罚距离的混合模型分量数自动估计算法

华南理工大学学报（自然科学版） ›› 2009, Vol. 37 ›› Issue (10): 101-107.

基于惩罚距离的混合模型分量数自动估计算法

张大明¹ 符茂胜¹ 郭慧² 罗斌¹

1.安徽大学计算机科学与技术学院, 安徽合肥 230039; 2.新南威尔士大学, 澳大利亚悉尼 NSW2052

收稿日期:2008-11-20 修回日期:2009-03-25 出版日期:2009-10-25 发布日期:2009-10-25
通信作者: 张大明（1976-），男，安徽建筑工业学院讲师，在职博士生，主要从事模式识别和图像处理研究． E-mail:zhang_daruing@yahoo．com．cn
作者简介:张大明（1976-），男，安徽建筑工业学院讲师，在职博士生，主要从事模式识别和图像处理研究．
基金资助:
国家自然科学基金资助项目（60772122）;高等学校博士学科点专项科研基金资助项目（20070357001）;安徽省高等学校自然科学研究重点项目（KJ2007A045）

Automatic Estimation Algorithm Mixture Model Based on of Component Number of Penalized Distance

Zhang Da-ming¹ Fu Mao-sheng¹ Guo Hui² Luo Bin¹

1.School of Computer Science and Technology, Anhui University, Hefei 230039, Anhui, China; 2. The University of New South Wales, Sydney NSW2052, Australia

Received:2008-11-20 Revised:2009-03-25 Online:2009-10-25 Published:2009-10-25
Contact: 张大明（1976-），男，安徽建筑工业学院讲师，在职博士生，主要从事模式识别和图像处理研究． E-mail:zhang_daruing@yahoo．com．cn
About author:张大明（1976-），男，安徽建筑工业学院讲师，在职博士生，主要从事模式识别和图像处理研究．
Supported by:
国家自然科学基金资助项目（60772122）;高等学校博士学科点专项科研基金资助项目（20070357001）;安徽省高等学校自然科学研究重点项目（KJ2007A045）

摘要/Abstract

摘要： 期望最大化（EM）算法是对有限混合模型进行参数估计的通用算法，然而标准EM算法中所需的混合模型分量数往往是未知的．文中研究了一种采用惩罚性最小匹配距离估计分量数的方法，并结合贪婪EM算法框架，提出了一种可以在进行参数估计的同时快速准确地自动估计高斯混合模型分量数的算法，最后通过一元和二元高斯混合模型的仿真实验验证了该算法的有效性．

关键词: 有限混合模型, 分量数, 惩罚性最小匹配距离, 贪婪EM Parzen窗, 带宽

Abstract:

The expectation-maximization （EM） algorithm is a popular approach to the parameter estimation of the finite mixture model （FMM）. A drawback of this approach is that the number of components of the FMM is not known in advance. In this paper, a penalized minimum matching distance-guided EM algorithm is discussed. Then, under the framework of Greedy EM, an automatic algorithm with high speed and accuracy is proposed to esti- mate the component number of the Gaussian mixture model. The effectiveness of the proposed algorithm is finally verified by the simulations of univariate and bivariate Gaussian mixture models.

Key words: finite mixture model, component number, penalized minimum matching distance, Greedy EM, Parzen window, bandwidth

张大明符茂胜郭慧罗斌. 基于惩罚距离的混合模型分量数自动估计算法[J]. 华南理工大学学报（自然科学版）, 2009, 37(10): 101-107.

Zhang Da-ming Fu Mao-sheng Guo Hui Luo Bin. Automatic Estimation Algorithm Mixture Model Based on of Component Number of Penalized Distance[J]. Journal of South China University of Technology (Natural Science Edition), 2009, 37(10): 101-107.

[1]	陈锋, 毛豪滨, 蔡吉玲, 等. 面向低延时实时视频的多维跨层带宽预测[J]. 华南理工大学学报(自然科学版), 2023, 51(11): 18-27.
[2]	陆以勤, 熊欣, 王猛, 等. TSN中基于链路负载均衡的AVB流带宽分配方法[J]. 华南理工大学学报(自然科学版), 2023, 51(11): 1-9.
[3]	杨俊美雷杨陈习坤. 基于Flatten-CNN的语音带宽扩展研究[J]. 华南理工大学学报（自然科学版）, 2021, 49(11): 87-94.
[4]	卢凯杨兴吴焕徐建闽. 绿波协调控制方案的速度区间适应性分析与评价[J]. 华南理工大学学报（自然科学版）, 2014, 42(5): 60-66,83.
[5]	林伟伟刘波. 基于动态带宽分配的Hadoop 数据负载均衡方法[J]. 华南理工大学学报(自然科学版), 2012, 40(9): 42-47.
[6]	唐琳姜胜明杨花荣. 基于区分队列服务的多媒体传感器网络QoS 研究[J]. 华南理工大学学报(自然科学版), 2012, 40(8): 8-13.
[7]	陈立明郭庆杨明川. 多业务LEO 卫星网络中基于概率的带宽预留策略[J]. 华南理工大学学报(自然科学版), 2012, 40(6): 84-89,96.
[8]	王年丁业兵唐俊鲍文霞. 带宽自适应的Mean Shift 目标跟踪算法[J]. 华南理工大学学报（自然科学版）, 2011, 39(10): 44-49.
[9]	李春茂张波. 可控陷波带宽缝隙超宽带天线[J]. 华南理工大学学报（自然科学版）, 2010, 38(12): 56-60.
[10]	赵维俭李迪. CAN网络化运动控制系统的动态带宽分配算法[J]. 华南理工大学学报（自然科学版）, 2010, 38(10): 61-67.
[11]	陈晨高新波裴庆祺. 基于串扰的无线传感器网络可用带宽估计算法[J]. 华南理工大学学报（自然科学版）, 2010, 38(1): 54-58.
[12]	程艳红李志蜀朱丽. 一种IEEE802．11无线局域网的上下行带宽分配策略[J]. 华南理工大学学报（自然科学版）, 2009, 37(5): 17-22.
[13]	王建新李春泉黄家玮. 高带宽延迟网络中路由器缓存需求的仿真分析[J]. 华南理工大学学报（自然科学版）, 2009, 37(10): 84-88,94.
[14]	江焯林黎绍发贾西平祝红丽 . 基于非参数聚类和多尺度图像的目标跟踪[J]. 华南理工大学学报（自然科学版）, 2009, 37(1): 34-41.
[15]	赖峻叶梧冯穗力. 基于拥塞预测门限的主动队列管理算法[J]. 华南理工大学学报（自然科学版）, 2008, 36(9): 20-24.