EM算法及其改進算法在參數(shù)估計中的應用研究.pdf

1、最大期望算法(簡稱 EM算法)是機器學習中一種極其重要的迭代算法，主要用于解決數(shù)據(jù)缺失情形下參數(shù)估計問題。EM算法也是一種數(shù)據(jù)添加算法，通過引入“潛在數(shù)據(jù)”可以實現(xiàn)對不完全數(shù)據(jù)到完全數(shù)據(jù)的轉(zhuǎn)換。因而，EM算法在處理數(shù)據(jù)缺失情形下的各類統(tǒng)計分析問題時備受歡迎。
　　但EM算法也存在不少缺陷，如收斂速度慢、某些情形下難以給出E步或M步的明確表達式。正是這些缺陷給統(tǒng)計分析帶來諸多不便，促使不少學者提出了多種改進的EM算法以及EM算法與其

2、他算法相結(jié)合的混合算法。
　　論文結(jié)合已有研究成果，著重研討了 EM算法及其改進算法在指數(shù)族混合分布、多層線性模型參數(shù)估計問題中的應用問題。主要完成的工作和獲得的成果如下：
　?、俑攀隽?EM算法及其改進算法的研究背景、國內(nèi)外研究文獻，以及 EM算法及其改進算法在解決缺失數(shù)據(jù)情形下參數(shù)估計問題的研究現(xiàn)狀和應用狀況。
　?、谘芯苛薊M算法、MCEM算法、MCEM加速算法和改進的MCEM加速算法的基本原理，給出了各算法的迭

3、代步驟、優(yōu)缺點分析。針對四種算法，論文給出了算例分析，參數(shù)迭代結(jié)果精確，并對參數(shù)迭代值收斂速度進行了比較。
　?、坩槍χ笖?shù)族混合分布，給出了 EM算法下一般性指數(shù)族混合分布參數(shù)估計的推導過程，給出了EM算法和MCEM算法下常見指數(shù)族混合分布參數(shù)估計的迭代公式，并通過模擬獲得了較為精確的參數(shù)估計值。研究填補了基于 EM算法和MCEM算法的指數(shù)族混合分布參數(shù)估計問題這一空白。
　?、茚槍Χ鄬泳€性模型，給出了EM算法和MCEM算法