| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 主要符号说明 | 第7-8页 |
| 第一章 绪论 | 第8-14页 |
| ·前言 | 第8-9页 |
| ·有限混合模型国内外研究现状和发展趋势 | 第9-11页 |
| ·确定性方法中最主要的是最大似然估计法 | 第9页 |
| ·非确定性算法中贝叶斯框架下的估计方法 | 第9-10页 |
| ·模型选择问题 | 第10-11页 |
| ·本文主要研究内容 | 第11-12页 |
| ·基于标准 EM 算法的参数估计问题 | 第11页 |
| ·基于 MCMC 算法的参数估计问题 | 第11-12页 |
| ·贝叶斯变量选择 | 第12页 |
| ·本文章节安排 | 第12-14页 |
| 第二章 高斯混合模型研究技术方案 | 第14-17页 |
| ·加惩罚项的似然函数 | 第14-15页 |
| ·对 EM 算法进行改进 | 第15页 |
| ·学习并探索新的模型准则函数 | 第15页 |
| ·对采样算法进行改进 | 第15-17页 |
| 第三章 最大似然框架下的参数估计及 EM 算法研究 | 第17-24页 |
| ·高斯混合模型聚类及 EM 算法 | 第17-18页 |
| ·Component-Wise EM 算法 | 第18-19页 |
| ·模型选择准则函数 | 第19-20页 |
| ·基于局部保持流型正则化的改进高斯混合模型 | 第20-21页 |
| ·改进的收敛算法 | 第21-22页 |
| ·高维数据聚类实验及结果分析 | 第22-24页 |
| 第四章 多变量高斯混合模型在截断和删失数据聚类中的应用 | 第24-31页 |
| ·基于截断数据的 EM 算法 | 第24-25页 |
| ·基于删失数据的 EM 算法 | 第25页 |
| ·基于截断和删失数据的 EM 算法 | 第25-26页 |
| ·基于分裂与合并操作的改进的 EM 算法 | 第26-28页 |
| ·实验及结果分析 | 第28-31页 |
| 第五章 贝叶斯框架下的参数估计及 MCMC 算法 | 第31-40页 |
| ·贝叶斯估计概述 | 第31-32页 |
| ·贝叶斯变量选择与模型选择 | 第32页 |
| ·高斯混合模型的贝叶斯参数模型 | 第32-33页 |
| ·高全条件概率以及 RJ-MCMC 算法 | 第33-34页 |
| ·RJ-MCMC 算法的操作 | 第34-36页 |
| ·实验及结果分析 | 第36-40页 |
| 第六章 总结 | 第40-44页 |
| ·主要工作回顾 | 第40-43页 |
| ·本课题今后需进一步研究的地方 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 个人简历 在读期间发表的学术论文 | 第47-48页 |
| 致谢 | 第48-49页 |