期望最大算法及其应用（2）

doi:10.3778/j.issn.1002-8331.2008.30.013

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (30): 43-46.DOI: 10.3778/j.issn.1002-8331.2008.30.013

期望最大算法及其应用（2）

李昌利,沈玉利

广东海洋大学信息学院，广东　湛江 524088

收稿日期:2007-11-20 修回日期:2008-01-14 出版日期:2008-10-21 发布日期:2008-10-21
通讯作者: 李昌利

Tutorial of EM algorithm and its application：part Ⅱ

LI Chang-li,SHEN Yu-li

School of Information Engineering，Guangdong Ocean University，Zhanjiang，Guangdong 524088，China

Received:2007-11-20 Revised:2008-01-14 Online:2008-10-21 Published:2008-10-21
Contact: LI Chang-li

摘要/Abstract

摘要： EM算法是实现极大似然估计的一种有效方法，主要用于非完全数据的参数估计。文章的第一部分已经详细介绍了算法的基本原理，这部分内容着重介绍算法的各种应用，特别是高斯混合模型、隐马尔科夫模型和因子分析中的参数估计。

关键词: 期望最大（EM）, 高斯混合模型, 隐马尔科夫模型, 因子分析

Abstract: EM algorithm is an effective method for Maximum-Likelihood Estimate（MLE），which is mainly used to estimate parameters of incomplete data.While part one of this tutorial is mainly on the basic principle of EM algorithm，this part deals with its applications especially in parameters estimation for mixtures of Gaussians，hidden Markov model and factor analysis.

Key words: Expectation-Maximization（EM）, Mixtures of Gaussians（MoG）, Hidden Markov Model（HMM）, Factor Analysis（FA）

李昌利,沈玉利

. 期望最大算法及其应用（2）[J]. 计算机工程与应用, 2008, 44(30): 43-46.

LI Chang-li,SHEN Yu-li. Tutorial of EM algorithm and its application：part Ⅱ[J]. Computer Engineering and Applications, 2008, 44(30): 43-46.

[1]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[2]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[3]	贾兵兵，曹辉，秦驰杰. 基于SGMM和DNN结合提高音素识别率的研究[J]. 计算机工程与应用, 2019, 55(24): 117-121.
[4]	李欢，熊梦莹，聂斌，杜建强，周丽，黄强. 融合因子分析的随机森林研究[J]. 计算机工程与应用, 2019, 55(23): 125-130.
[5]	陈超. 高斯混合模型结合加权似然的目标跟踪算法[J]. 计算机工程与应用, 2019, 55(12): 124-131.
[6]	仇功达1，何明1，祝朝政1，杨杰2，刘勇1. 基于稀疏交界最大密度连通的模糊聚类方法[J]. 计算机工程与应用, 2018, 54(14): 82-88.
[7]	梁恺彬，管一弘. 基于隐高斯混合模型的人脑MRI分割方法[J]. 计算机工程与应用, 2018, 54(10): 196-203.
[8]	潘立1，2，邓佳1，王永利1. HMM-Cluster：面向交通量过载发现的轨迹聚类方法[J]. 计算机工程与应用, 2018, 54(1): 77-85.
[9]	霍世敏，赵菊敏，李灯熬，朱飑凯. 针对异常序列检测的非法入侵识别算法[J]. 计算机工程与应用, 2017, 53(20): 68-74.
[10]	陈卉，胡立坤，黄钰雯. 采用高斯混合模型及树结构的立体匹配算法[J]. 计算机工程与应用, 2017, 53(20): 195-200.
[11]	武健. 网络用户访问模式挖掘算法研究[J]. 计算机工程与应用, 2016, 52(5): 61-64.
[12]	巩知乐1，张少龙1，廖海斌2. 因子分析判别准则的线性降维方法研究[J]. 计算机工程与应用, 2016, 52(3): 145-149.
[13]	张文宇1，陶蓉1，陈星2，任露1. 改进财务评价指标体系的筛选研究[J]. 计算机工程与应用, 2016, 52(23): 102-108.
[14]	牛艺蓉，王士同. 基于噪音受益的快速图像分割算法[J]. 计算机工程与应用, 2016, 52(21): 195-201.
[15]	胡志立，郭敏. 基于SLIC的改进GrabCut彩色图像快速分割[J]. 计算机工程与应用, 2016, 52(2): 186-190.

期望最大算法及其应用（2）

Tutorial of EM algorithm and its application：part Ⅱ

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics