不完全数据参数估计的α-EM算法

利用信息论中计算熵率的α EM算法给出了一种不完全数据参数估计的新方法.与GEM等传统的EM算法相比,α EM算法有更快的收敛速度,但作为补偿形式会复杂一点.

不完全数据参数估计的α-EM算法

利用α-EM算法给出了一种不完全数据参数估计的新方法,与GEM等传统的EM算法相比,α-EM算法有更快的收敛速度,但作为补偿形式会复杂一点。

动态模糊极大似然估计算法

在机器学习中,一个广泛的应用是对模型的参数进行估计,即极大似然估计(MLE),EM算法是根据点估计中的MLE改进的一种迭代算法,是求极大似然估计的一种强有力的工具,但它收敛速度较慢,于是引入α-EM算法,克服了EM算法的缺陷。由于学习的过程中可能存在着大量的缺失数据及其动态模糊性,给出基于不完全数据的动态模糊极大似然估计算法并给出实例验证。