Expert-based Initialization of Recursive Mixture Estimation

Kód výsledku v IS VaVaI

RIV/67985556:_____/16:00462356 - isvavai.cz

Výsledek na webu

http://dx.doi.org/10.1109/IS.2016.7737439

DOI - Digital Object Identifier

10.1109/IS.2016.7737439

Jazyk výsledku

angličtina

Název v původním jazyce

Expert-based Initialization of Recursive Mixture Estimation

Popis výsledku v původním jazyce

Initialization is an extremely important part of the mixture estimation process. There exists a series of initialization approaches in the literature concerning the mixture initialization. However, the majority of them is directed at initialization of the expectation-maximization algorithm widely used in this area. This paper focuses on the initialization of the mixture estimation with normal components based on the recursive statistics update of involved distributions, where the mentioned methods are not suitable. Its key part is the choice of the initial statistics. The paper describes several relatively simple initialization techniques primarily based on processing the prior data. The experimental part of the paper represents results of validation on real data.

Název v anglickém jazyce

Expert-based Initialization of Recursive Mixture Estimation

Popis výsledku anglicky

Initialization is an extremely important part of the mixture estimation process. There exists a series of initialization approaches in the literature concerning the mixture initialization. However, the majority of them is directed at initialization of the expectation-maximization algorithm widely used in this area. This paper focuses on the initialization of the mixture estimation with normal components based on the recursive statistics update of involved distributions, where the mentioned methods are not suitable. Its key part is the choice of the initial statistics. The paper describes several relatively simple initialization techniques primarily based on processing the prior data. The experimental part of the paper represents results of validation on real data.

Druh

D - Stať ve sborníku

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

GA15-03564S: Shlukování a klasifikace s využitím rekurzivního odhadování modelu směsi distribucí

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of 2016 IEEE 8th International Conference on Intelligent Systems

ISBN

978-1-5090-1353-1

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

308-315

Název nakladatele

IEEE

Místo vydání

Sofia

Místo konání akce

Sofia

Datum konání akce

4. 9. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000391554300044