一种半监督机器学习的EM算法改进方法

摘要：

EM(Expectation Maximization)算法是含有隐变量(latent variable)的概率参数模型最大似然估计、极大后验概率估计最有效的算法,但很容易进入局部最优现象,对此提出基于半监督机器学习机制的EM算法.本文方法是在最大似然函数中加入惩罚最小二乘因子,同时引入非负约束作为先验信息,结合半监督机器学习方法,将EM算法改进转化为最小化求解问题,再采用最大似然方法求解EM模型,有效估计了混合矩阵和高斯混合模型参数,实现EM算法的改进.仿真结果表明,该方法能够很好地解决了EM算法容易局部最优化问题.

关键词：半监督机器学习、EM算法、改进分析、局部最优

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家科技重大专项课题项目2017ZX04011004;国家自然科学基金项目61803271

在线出版日期：2020-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：230-235