-
题名GPFR混合模型的动态模型选择算法
被引量:1
- 1
-
-
作者
赵龙波
马尽文
-
机构
北京大学数学科学学院信息科学系和数学及其应用教育部重点实验室
-
出处
《信号处理》
CSCD
北大核心
2019年第5期786-794,共9页
-
基金
国家自然科学基金(61171138)资助
-
文摘
作为一种有效的数据建模和分析工具,高斯过程混合(MGP)模型被广泛地应用于时间序列的分析与预测,并成为一种新的机器学习模型。在传统的MGP模型中,高斯过程(GP)的均值被假设为零,这给其应用带来了很大的局限性,因此人们提出了可进行均值函数学习的高斯过程函数回归(GPFR)模型及其混合模型(MGPFR)进行更为精细的数据建模。与MGP模型一样,MGPFR模型同样存在着模型选择的问题。为了解决MGPFR模型的模型选择问题,本文将同步平衡准则进行了推广,并提出了相应的模型选择和动态模型选择算法,并通过实验发现了惩罚项系数的合理区间。实验表明,这些算法在模型选择和预测上均有很好表现,并且能够有效地应用于曲线聚类。
-
关键词
高斯过程混合模型
高斯过程函数回归混合模型
动态模型选择算法
同步平衡准则
-
Keywords
the mixture of Gaussian processes model
the mixture of Gaussian process functional regressions
dynamic model selection algorithm
synchronous balancing criterion
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-