论文部分内容阅读
针对多模分布数据的分类问题，本文提出了一种无限最大间隔Beta过程因子分析模型。该模型利用BPFA模型挖掘数据低维的隐含信息。同时借鉴混合专家思想，采用Dirichlet混合模型将数据在隐空间划分成“无限”个子集，并在每个子集上训练一个线性的最大间隔分类器实现全局非线性的复杂分类器。由于将数据降维、子集划分以及分类器统一在贝叶斯框架下，本文模型在充分挖掘数据结构的同时保证数据的可分性。文中采用非参数贝叶斯技术避免了模型选择问题，利用Gibbs 采样技术简便有效地估计了模型参数。基于公共数据集和实测雷达高分