期刊文献+

基于网格预期的高斯混合聚类算法

原文传递
导出
摘要 聚类算法应用于大数据技术中,将海量无标签数据自发地划分为不同群组,传统的高斯混合聚类的缺陷在于:时间成本高、分布有预期、噪声对拟合存在影响。因此,本文提出了一种基于网格分组抽样的高斯混合聚类算法,通过对样本集进行抽象预期,来获得对模型构建更有价值的样本点,通过减少传统计算高斯混合聚类算法的运算次数,来达到在尽量不损失精确度的前提下提高高斯混合聚类的完成速度。通过实验对算法性能进行了验证。
作者 陈啸 吴瑞峰
出处 《IT经理世界》 2021年第11期75-77,共3页
  • 相关文献

参考文献3

二级参考文献106

  • 1郑术蓉,史宁中,郭建华.含缺失数据线性模型的线性不等式约束EM算法[J].中国科学(A辑),2005,35(2):231-240. 被引量:12
  • 2余鹏,封举富.基于高斯混合模型的纹理图像分割[J].中国图象图形学报(A辑),2005,10(3):281-285. 被引量:27
  • 3马江洪,葛咏.图像线状模式的有限混合模型及其EM算法[J].计算机学报,2007,30(2):288-296. 被引量:12
  • 4程兴新.EM算法的收敛性.北京大学学报,1987,3:1-8.
  • 5Redner R A, Walker H F. Mixture densities, maximum likeli?hood and the EM algorithm [J]. SIAM Review, 1984, 26 (2) : 195-239.
  • 6BilmesJ A. A gentle tutorial of the EM algorithm and its applica- tion to parameter estimation for Gaussian mixture and Hidden Markov Models: TR -97 -021 [R] , Department of Electrical Engi?neering and Computer Science U. C. Berkeley, 1998.
  • 7Bishop C M. Neural Networks for Pattern Recognition [M]. Ox?ford: Clarendon Press, 1995.
  • 8Titterington D M, Smith A F M, Makov U E. Statistical Analysis of Finite Mixture Distribution [M]. New York:John Wiley & Sons, 1985.
  • 9Dempster A P, Laird N M, Rubin D B. Maximum likelihood from incomplete data via the EM algorithm [J].Journal of the Royal Statistical Society, B, 1977,39(1) :1-38.
  • 10Givens G H, HoetingJ A. Computational Statistics [M]. Bei?jingj Posts & Telecom Press,2008.

共引文献82

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部