GPFR混合模型的动态模型选择算法

作者:赵龙波; 马尽文

摘要:作为一种有效的数据建模和分析工具,高斯过程混合(MGP)模型被广泛地应用于时间序列的分析与预测,并成为一种新的机器学习模型。在传统的MGP模型中,高斯过程(GP)的均值被假设为零,这给其应用带来了很大的局限性,因此人们提出了可进行均值函数学习的高斯过程函数回归(GPFR)模型及其混合模型(MGPFR)进行更为精细的数据建模。与MGP模型一样,MGPFR模型同样存在着模型选择的问题。为了解决MGPFR模型的模型选择问题,本文将同步平衡准则进行了推广,并提出了相应的模型选择和动态模型选择算法,并通过实验发现了惩罚项系数的合理区间。实验表明,这些算法在模型选择和预测上均有很好表现,并且能够有效地应用于曲线聚类。

分类:
  • 期刊
  • >
  • 自然科学与工程技术
  • >
  • 信息科技
  • >
  • 电信技术
收录:
  • 万方收录(中)
  • 上海图书馆馆藏
  • 知网收录(中)
  • 国家图书馆馆藏
  • 北大期刊(中国人文社会科学期刊)
  • CSCD 中国科学引文数据库来源期刊(含扩展版)
  • 维普收录(中)
  • JST 日本科学技术振兴机构数据库(日)
  • 剑桥科学文摘
  • SA 科学文摘(英)
  • 统计源期刊(中国科技论文优秀期刊)
关键词:
  • 高斯过程混合模型
  • 高斯过程函数回归混合模型
  • 动态模型选择算法
  • 同步平衡准则

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

期刊名称:信号处理

期刊级别:北大期刊

期刊人气:2597

杂志介绍:
主管单位:中国科学技术协会
主办单位:中国电子学会
出版地方:北京
快捷分类:电子
国际刊号:1003-0530
国内刊号:11-2406/TN
邮发代号:18-143
创刊时间:1985
发行周期:月刊
期刊开本:A4
下单时间:1-3个月
复合影响因子:1.5
综合影响因子:1.17