论文部分内容阅读
有限高斯混合模型广泛应用于模式识别、机器学习和数据挖掘等领域，但现实中的许多数据都具有非高斯性，而高斯混合模型无法准确地描述这些数据。此外，有限高斯混合模型还存在参数估计和模型选择困难的问题。为了更好地拟合非高斯数据，解决有限高斯混合模型的参数估计和模型选择困难的问题，在研究一种适合于建模非高斯数据的无限狄利克雷混合模型的学习方法的基础上，提出了一种高效的变分近似推理算法。该算法能够同时解决参数估计及模型选择的问题。为了验证该算法的有效性，在合成数据集上进行了大景实验。验证实验结果表明，该算法能够很好地解