基于狄利克雷过程高斯混合模型的变分推断

摘要

高斯混合模型(Gaussian Mixture Model,GMM)无法通过观测数据来自动选择适当数量的混合物分量,故无法准确描述数据。因此,将狄利克雷过程先验与GMM相结合,并运用变分贝叶斯推断方法来解决GMM模型的参数估计和模型选择问题,提出一种变分贝叶斯算法。首先,假设混合物分量个数是无限的,并根据观测数据自动确认;然后,给出变分推断的完整过程,并在此基础上提出变分贝叶斯推理算法,解决了参数估计和模型选择问题;最后,在合成数据集上进行仿真实验,实验结果表明,提出的算法收敛速度快,准确率达90%。