为解决EM算法对初始值比较敏感,易陷入局部最优和当模型缺失变量或隐变量的比例较高时收敛速度慢等问题,本文首先采用经典的K-means聚类算法进行初始值选取,使得初始值更加接近EM序列的稳定点,在一定程度上能避免EM序列陷入局部极值,然后采用ε-加速算法进行加速,即K-means+ε-加速EM算法,并比较不同情况加速的EM算法在有限混合模型参数估计中的时间成本和精度大小。数值结果表明:在不降低精度的情况下K-means+ε-加速EM算法在各种条件下均能够大大加快EM算法的收敛速度。
深圳信息职业技术学院学报
2018年5期
