基于CSMDEM算法的GMM学习方法  

GMM Learning Method Based on CSMDEM Algorithm

作　　者：贾可新 何子述[1] 

机构地区：[1]电子科技大学电子工程学院,成都611731

出　　处：《计算机工程》2011年第19期153-156,共4页Computer Engineering

摘　　要：基于Mahalanobis距离的EM(MDEM)算法存在过分裂问题。为此,提出一种竞争结束MDEM(CSMDEM)算法。该算法将最小描述长度准则作为竞争结束条件嵌入到MDEM算法中,能够在估计混合模型参数的同时选择模型阶数。实验结果表明,该算法具有较低的平均EM迭代次数,能够较好地拟合高斯混合模型。当其被应用到跳频网台分选时,能够以较高的正确率分选跳频信号。To solve the over-splitting problem suffered in Mahalanobis distance based EM（MDEM） algorithm,a Competitive Stop MDEM（CSMDEM） algorithm is proposed.By regarding Minimum Description Length（MDL） criteria as a competitive stop condition and embedding it into MDEM algorithm,the CSMDEM algorithm can select model order while estimating the parameters of GMM.Experimental results show that the proposed CSEM algorithm has an increased capability to fit GMM while maintaining a low average number of EM iterations.By applying it to signal sorting,the proposed EM algorithm can sort FH signals with high correctness.

关 键 词：高斯混合模型 MAHALANOBIS距离 EM算法 最小描述长度准则 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]