论文部分内容阅读
在处理高维复杂问题中统计高斯图模型起到了非常重要的作用，其中最关键的问题就是要有效地求解极大似然估计。解决此问题可以利用Xu et al.[4]提出的IIPS算法，或者Xu et al.[7]中采用将图的所有团边缘分伙的IPSP算法。在IPSP算法中，Xu et al.[7]提出把全局的问题分解为各个伙内的子问题，虽然降低了问题的复杂性，但当每伙内含的变量较多时，计算起来其复杂度依然很高。在本文中采用先分伙，再应用IIPS算法解决每伙内的子问题，这样可以降低时间复杂度。我们提出了新的m-分解的概念，并证明了相关性质，探讨了新图G*与原图G的关系，并利用MCS-M算法构建了IIPS在局部所使用的团树。最后通过模拟实验证实了新方法大大降低了IPSP算法在计算上的复杂度，并提高了运算速度。