基于EM算法的Gaussian混合模型用于图像分类

来源 :中国自动化学会第15届青年学术年会 | 被引量 : 0次 | 上传用户：wecan626

【摘要】

：

学习即指根据给定的数据(学习样本)得到图模型的结构DAG和概率分布CPD.从Bayes的观点来看,网络模型的选择可以看成是定义非线性函数的先验概率分布,网络的学习过程可解释为求

【作者】

：

李海燕;李天牧;

【机构】

：

云南大学信息与电子科学系(昆明)

【出处】

：

中国自动化学会第15届青年学术年会

【发表日期】

：

2000年期

【关键词】

：

Gaussian混合模型 EM算法学习 Bayes网络图像分类

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

学习即指根据给定的数据(学习样本)得到图模型的结构DAG和概率分布CPD.从Bayes的观点来看,网络模型的选择可以看成是定义非线性函数的先验概率分布,网络的学习过程可解释为求解未知函数的后验概率分布.Nearl(1996)提出可将包含于Bayes中的非线性先验概率分布都归入Gaussian模型的概率分布中.这样,网络的参数计算就可用Gaussian模型的协方差矩阵的简单矩阵运算代替,因此本文选择网络模型为Gaussian混合模型,用EM算法训练网络,将网络用于图像分类并取得很好的效果.

其他文献

与GaN中缺陷相关的室温光荧光谱

利用GaN外延材料表面和界面的室温PL谱，观察并分析了带边峰的结构和与缺陷相关的束缚激子峰。

会议

GaN外延材料缺陷室温PL谱束缚激子峰

GaN基材料的RF等离子体MBE生长与特性

会议

GaN基材料RF等离子体MBE生长

GaP衬底与同质外延层相关的光致发光研究

会议

衬底同质外延层

GaP:NLPE片的纵向载流子浓度分布