鲁棒贝叶斯混合分布的模型选择

摘要：

提出一种基于偏差信息准则(deriance information criterion,DIC)的鲁棒贝叶斯混合分布模型选择算法.在变分逼近框架下,给出鲁棒贝叶斯混合模型的DIC计算公式;设计的模型选择算法能同时学习模型参数推断和进行模型选择,避免在大的候选模型集中根据模型选择准则选取最优模型.给出试验参数初始值设置方法,在含有较多离群点的仿真数据和Old Faithful Geyser数据上的试验结果表明了好的性能:得到鲁棒的混合分量参数和较准确的混合分量个数.

关键词：混合模型、变分学习、偏差信息准则、模型选择、鲁棒

所属期刊栏目：45

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金60674089;上海市重点学科基金B504

在线出版日期：2009-12-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：689-698