基于高斯混合模型的EM算法及其应用研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 国内外研究历史与现状 | 第11-12页 |
| 1.3 本文的主要贡献与创新 | 第12页 |
| 1.4 本论文的结构安排 | 第12-13页 |
| 第二章 高斯混合模型 | 第13-18页 |
| 2.1 高斯混合模型（GMM） | 第13-14页 |
| 2.2 期望最大算法（EM） | 第14-17页 |
| 2.2.1 EM算法 | 第14-15页 |
| 2.2.2 EM算法具体流程 | 第15-16页 |
| 2.2.3 EM算法存在的问题 | 第16-17页 |
| 2.3 GMM模型在聚类上的应用 | 第17-18页 |
| 第三章 一种基于串行学习的EM算法 | 第18-30页 |
| 3.1 动机 | 第18-19页 |
| 3.2 算法的基本结构 | 第19-20页 |
| 3.3 具体算法 | 第20-21页 |
| 3.3.1 算法中的一些符号 | 第20页 |
| 3.3.2 算法具体具体实现过程 | 第20-21页 |
| 3.4 原理示意图 | 第21-23页 |
| 3.5 参数设置 | 第23页 |
| 3.6 实验 | 第23-28页 |
| 3.6.1 一些实验结果展示 | 第23-26页 |
| 3.6.2 和其他方法的比较 | 第26-28页 |
| 3.7 讨论 | 第28-30页 |
| 第四章 一种探索式学习模型 | 第30-40页 |
| 4.1 对EM算法的策略分析 | 第30页 |
| 4.2 探索式学习模式 | 第30-31页 |
| 4.3 在循迹、知觉感知、轮廓提取任务中的应用 | 第31-38页 |
| 4.3.1“循迹” | 第33-36页 |
| 4.3.2 知觉感知 | 第36-37页 |
| 4.3.3 轮廓检测 | 第37-38页 |
| 4.4 讨论 | 第38-40页 |
| 第五章 全文总结与展望 | 第40-41页 |
| 5.1 全文总结 | 第40页 |
| 5.2 后续工作展望 | 第40-41页 |
| 致谢 | 第41-42页 |
| 参考文献 | 第42-46页 |
| 附录 | 第46-52页 |
| A. EM算法的具体推导 | 第46-49页 |
| B. 避免奇异矩阵问题 | 第49-50页 |
| C. 聚类测试结果 | 第50-51页 |
| D. 知觉感知测试结果 | 第51-52页 |
