另一种强Wolfe线性搜索下的共轭梯度法

对求解非线性无约束优化问题中给出了新的参数应用于共轭梯度法;并证明了该方法在强Wolfe线搜索下具有充分下降性,同时具有全局收敛性。将本文提出的参数与引文中参数作比较。讨论了这一类参数在证明中的成立条件。     

EM算法的BFGS加速算法

EM 算法是一种求参数极大似然估计的迭代算法,在处理不完全数据中有重要应用.EM 算法实现简单,数值计算稳定,存储量小,具有良好的全局收敛性,但EM 算法收敛速度慢只是次线性的收敛速度,妨碍了EM 算法的应用.现已提出了多种加速EM 算法收敛的方法.本文是在EM算法的拟Newton加速算法的基础上,使用非线性规划中对称秩2校正公式(BFGS公式)给出了一种新的加速EM 算法收敛的方法.它是针对EM的M步的,在共享 EM算法单调增加似然函数值和稳定收敛的基础上提高EM算法的收敛速度.最后用数值试验结果验证了该加速算法的有效性和可行性.