分层Dirichlet过程及其应用综述
周建英; 王飞跃; 曾大军
2011
发表期刊自动化学报
卷号37期号:4页码:390-407
其他摘要 Dirichlet过程是一种应用于非参数贝叶斯模型中的随机过程, 特别是作为先验分布应用在概率图模型中. 与传统的参数模型相比, Dirichlet过程的应用更加广泛且模型更加灵活, 特别是应用于聚类问题时, 该过程能够自动确定聚类数目和生成聚类中心的分布参数. 因此, 近年来, 在理论和应用上均得到了迅速的发展, 引起越来越多的关注. 本文首先介绍Dirichlet过程, 而后描述了以Dirichlet过程为先验分布的Dirichlet过程混合模型及其应用, 接着概述分层Dirichlet过程及其在相关算法构造中的应用, 最后对分层Dirichlet过程的理论和应用进行了总结, 并对未来的发展方向作了探讨.;
Dirichlet processes are a type of stochastic processes widely used in nonparametric Bayesian models, especially in research that involves probabilistic graphical models. Over the past few years, significant effort has been made in the study of such processes, mainly due to their modeling flexibility and wide applicability. For instance, Dirichlet processes are capable of learning the number of clusters as well as the corresponding parameters of each cluster whereas other clustering or classification models usually are not able to. In this survey, we first introduce the definitions of Dirichlet processes. We then present Dirichlet process mixture models and their applications, and discuss in detail hierarchical Dirichlet processes (HDP), their roles in constructing other models, and examples of related applications in many important fields. Finally, we summarize recent developments in the study and applications of hierarchical Dirichlet processes and offer our remarks on future research.

关键词Dirichlet过程 概率图模型 Dirichlet Processes 聚类 Probabilistic Graphical Models 分层dirichlet过程 Clustering Hierarchical Dirichlet Processes (Hdp)
文献类型期刊论文
条目标识符http://ir.ia.ac.cn/handle/173211/14961
专题复杂系统管理与控制国家重点实验室_先进控制与自动化
作者单位1. 中国科学院自动化研究所复杂系统智能控制与管理国家重点实验室(筹) 北京 100190
推荐引用方式
GB/T 7714
周建英,王飞跃,曾大军. 分层Dirichlet过程及其应用综述[J]. 自动化学报,2011,37(4):390-407.
APA 周建英,王飞跃,&曾大军.(2011).分层Dirichlet过程及其应用综述.自动化学报,37(4),390-407.
MLA 周建英,et al."分层Dirichlet过程及其应用综述".自动化学报 37.4(2011):390-407.
条目包含的文件
条目无相关文件。
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[周建英]的文章
[王飞跃]的文章
[曾大军]的文章
百度学术
百度学术中相似的文章
[周建英]的文章
[王飞跃]的文章
[曾大军]的文章
必应学术
必应学术中相似的文章
[周建英]的文章
[王飞跃]的文章
[曾大军]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。