从高斯过程到高斯过程混合模型：研究与展望

摘要：

高斯过程（GP）模型是核学习方法与贝叶斯推理相结合的典范，现已成为机器学习领域的一个研究热点。作为对 GP 模型的拓展，高斯过程混合（MGP）模型具有更强大的学习能力和适应性。然而，目前关于 GP 和 MGP模型的研究较为零散，尚缺少系统的分析与总结。本文首先对于 GP 模型的基本原理及其研究进展进行了深入地分析和讨论；然后将 GP 模型拓展至 MGP 模型，从多方面对 MGP 模型的研究现状和进展进行了深入地分析和讨论，并指出未来值得探索的研究方向和应用问题。

关键词：高斯过程、高斯过程混合模型、机器学习、回归预测、聚类分析

所属期刊栏目：32

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金61171138；教育部人文社会科学基金15YJA630108；中国博士后科学基金2014M561053

在线出版日期：2016-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：960-972