| | 《计算机学报》文章摘要 全文下载 |
| 文章题目 | 一种基于递增估计GMM的连续优化算法 |
| 作者 | 李斌1),2) 钟润添1),2) 王先基2) 庄镇泉2) |
| 作者单位 | 1)(中国科学技术大学自然计算与应用实验室 合肥 233027)
2)(中国科学技术大学电子科学与技术系 合肥 233027) |
| 发表年份 | 2007 |
| 发表月份 | 6期(979—985) |
| 文章摘要 | 摘要 目前的分布估计算法(estimation of distribution algorithms)中概率模型的学习或多或少存在着对先验知识的依赖，而这些先验知识往往是不可预知的.针对这一问题，文中提出采用集成学习(ensemble learning)的思想实现EDAs中概率模型结构和参数的自动学习，并提出了一种基于递增学习策略的连续域分布估计算法，该算法采用贪心EM算法来实现高斯混合模型(GMM)的递增学习，在不需要任何先验知识的情况下，实现模型结构和参数的自动学习.通过一组函数优化实验对该算法的性能进行了考查，并与其它同类算法进行了比较.实验结果表明该方法是有效的，并且，相比其它同类EDAs，该算法用相对少的迭代，可以得到同样或者更好的结果.
关键词 分布估计算法；连续优化；贪心EM算法；递增学习；高斯混合模型
中图法分类号 TP18 |