摘要
EM算法是实现极大似然估计的一种有效方法,主要用于非完全数据的参数估计。文章的第一部分已经详细介绍了算法的基本原理,这部分内容着重介绍算法的各种应用,特别是高斯混合模型、隐马尔科夫模型和因子分析中的参数估计。
EM algorithm is an effective method for Maximum-Likelihood Estimate（MLE）,which is mainly used to estimate parameters of incomplete data.While part one of this tutorial is mainly on the basic principle of EM algorithm,this part deals with its applications especially in parameters estimation for mixtures of Gaussians,hidden Markov model and factor analysis.
出处
《计算机工程与应用》
CSCD
北大核心
2008年第30期43-46,71,共5页
Computer Engineering and Applications
基金
广东省自然科学基金No.7010116
广东省科技计划项目No.2006B23004006~~
关键词
期望最大(EM)
高斯混合模型
隐马尔科夫模型
因子分析
Expectation-Maximization（EM）
Mixtures of Gaussians （MoG）
Hidden Markov Model（HMM）
Factor Analysis（FA）
