论文部分内容阅读
文章基于高斯分布提出一种信息论的启发式合成方法：根据给定的联合密度,研究产生随机向量的机制,从而引出（隐）高斯树结构;依赖于已知的树结构,构造分层的连续的合成方案,达到使用足够数量的公共随机变量来合成希望密度的研究目的。算法中所使用的公共随机源由树顶层的隐变量、独立可加性高斯噪声、以及表达变量之间模糊性的伯努利符号三部分组成。文章所提出的方法不但可以揭示数据隐含的内部联系,而且适用于在机器学习领域中产生仿真数据。