鲁棒贝叶斯混合分布的模型选择

作者：卿湘运 王行愚混合模型变分学习偏差信息准则模型选择鲁棒

摘要：提出一种基于偏差信息准则（deriance information criterion，DIC）的鲁棒贝叶斯混合分布模型选择算法。在变分逼近框架下，给出鲁棒贝叶斯混合模型的DIC计算公式；设计的模型选择算法能同时学习模型参数推断和进行模型选择，避免在大的候选模型集中根据模型选择准则选取最优模型．给出试验参数初始值设置方法，在含有较多离群点的仿真数据和Old Faithful Geyser数据上的试验结果表明了好的性能：得到鲁棒的混合分量参数和较准确的混合分量个数。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社