论文部分内容阅读
提出了基于Dirichlet过程混合的高斯过程模型揭示复杂动态系统结构数据的多态性的内在机制．针对均值结构与协方差结构稀疏性的差异性，设计了参数先验与非参数先验来构建基于Polyaurn与过松弛层采样的混合采样框架体系．该混合采样方案不但能够在统一的Metropolis—Hasting（M—H）概率评价准则下实现，而且能够最大限度地克服高斯随机走步的缺陷，方便、快速地获得马尔科夫样本链的展开．仿真结果表明，混合采样算法比高斯过程回归模型及高斯过程函数回归混合模型具有更广泛的适应性及更好的预测效果．