劉偉峰　韓崇昭　石　勇

摘要：針對傳統(tǒng)有限混合模型無監(jiān)督學習算法不能處理參數(shù)維數(shù)變化的問題，提出了一種基于修正Gibbs采樣的無監(jiān)督學習算法。該算法的關鍵是，在每一次完全采樣之后引入分布元的合并和剔除技術，即將利用均值、協(xié)方差矩陣差值的2范數(shù)作為合并的判斷準則，最小且小于閾值的分布無權重作為剔除規(guī)則。仿真實驗表明，所提算法對于參數(shù)初值的選擇是不敏感的，對于分布元個數(shù)的先驗信息要求得更少，它不僅可以處理維數(shù)變化問題，而且不必計算跳變概率，同時能夠很好地估計出分布元個數(shù)及其參數(shù)。

關鍵詞：無監(jiān)督學習；有限混合模型；參數(shù)維數(shù)變化；跳變；分布無管理

中圖分類號：TP391文獻標志碼：A文章編號：0253—987X(2009)02—0015—05