论文部分内容阅读
本文所讨论的混合模型的参数估计是先指定混合分量密度函数p(X；θ，)的形式(这里假设是正态分布，即所讨论的混合模型是正态混合模型)，再规定混合分量的个数g，来估计模型的参数的．
本文介绍了：EM算法(包括基于极大似然估计的EM算法和基于最大后验估计的EM算法)，MCEM算法和Gibbs抽样三种迭代计算方法．Bilmes J已用基于极大似然估计的EM算法完成了正态混合模型的参数估计，Figueiredo又提出了用修改的EM算法去估计正态混合模型的参数．本文除了对这两种方法进行完整的描述，还用基于最大后验估计的EM算法，MCEM算法和Gibbs抽样完成了正态混合模型的参数估计．最后考虑了一个一维正态混合模型的例子进行了实例分析，用基于极大似然估计的EM算法，基于最大后验估计的EM算法，MCEM算法和Gibbs抽样四种方法来估计正态混合模型的参数，并对几种方法进行了比较．