修正Ｇｉｂｂｓ采样的有限混合模型无监督学习算法

刘伟峰　韩崇昭　石　勇

摘要：针对传统有限混合模型无监督学习算法不能处理参数维数变化的问题，提出了一种基于修正Gibbs采样的无监督学习算法。该算法的关键是，在每一次完全采样之后引入分布元的合并和剔除技术，即将利用均值、协方差矩阵差值的2范数作为合并的判断准则，最小且小于阈值的分布无权重作为剔除规则。仿真实验表明，所提算法对于参数初值的选择是不敏感的，对于分布元个数的先验信息要求得更少，它不仅可以处理维数变化问题，而且不必计算跳变概率，同时能够很好地估计出分布元个数及其参数。

关键词：无监督学习；有限混合模型；参数维数变化；跳变；分布无管理

中图分类号：TP391文献标志码：A文章编号：0253—987X(2009)02—0015—05