劉偉峰　韓崇昭　石　勇

摘要：針對(duì)傳統(tǒng)有限混合模型無監(jiān)督學(xué)習(xí)算法不能處理參數(shù)維數(shù)變化的問題，提出了一種基于修正Gibbs采樣的無監(jiān)督學(xué)習(xí)算法。該算法的關(guān)鍵是，在每一次完全采樣之后引入分布元的合并和剔除技術(shù)，即將利用均值、協(xié)方差矩陣差值的2范數(shù)作為合并的判斷準(zhǔn)則，最小且小于閾值的分布無權(quán)重作為剔除規(guī)則。仿真實(shí)驗(yàn)表明，所提算法對(duì)于參數(shù)初值的選擇是不敏感的，對(duì)于分布元個(gè)數(shù)的先驗(yàn)信息要求得更少，它不僅可以處理維數(shù)變化問題，而且不必計(jì)算跳變概率，同時(shí)能夠很好地估計(jì)出分布元個(gè)數(shù)及其參數(shù)。

關(guān)鍵詞：無監(jiān)督學(xué)習(xí)；有限混合模型；參數(shù)維數(shù)變化；跳變；分布無管理

中圖分類號(hào)：TP391文獻(xiàn)標(biāo)志碼：A文章編號(hào)：0253—987X(2009)02—0015—05