Байесовская идентификация параметров смеси нормальных распределений

Информационные технологии и вычислительные системы. 2017. № 1. С. 101–111.

Дубнов Ю. А., Булычев А. В.

Рассматривается задача восстановления параметров смеси многомерных нормальных распределений, применяющихся в задачах машинного обучения <<без учителя>>. Предложен метод идентификации моделей, базирующийся на байесовском выводе и принципе максимума апостериорного распределения. В работе описан метод поиска максимума многоэкстремальной функции плотности посредством сэмплирования алгоритмом Метрополиса-Гастингса, приведено качественное и количественное сравнение предложенного алгоритма с EM-алгоритмом для максимизации правдоподобия, а также представлены результаты его работы, как на модельных синтетических примерах, так и на реальных данных из коллекции >.

Ключевые слова: классификация, Metropolis algorithm, алгоритм Метрополиса, classification, bayesian approach, теорема Байеса, mixture distribution, смесь распределений