排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
2.
考虑E MS算法的收敛性. 首先, 给出观测广义信息准则(GIC)最小值点的必要条件; 其次, 在模型空间有限性、 参数空间紧性、 Q函数连续性的条件下, 证明E MS算法产生序列的极限点满足观测GIC最小值点的必要性, 是对E MS算法全局收敛性的补充; 再次, 给出满足该必要条件但不满足全局收敛条件高斯图模型的一个实例; 最后, 证明E MS算法的全局收敛性. 相似文献
3.
考虑E MS算法的收敛性. 首先, 给出观测广义信息准则(GIC)最小值点的必要条件; 其次, 在模型空间有限性、 参数空间紧性、 Q函数连续性的条件下, 证明E MS算法产生序列的极限点满足观测GIC最小值点的必要性, 是对E MS算法全局收敛性的补充; 再次, 给出满足该必要条件但不满足全局收敛条件高斯图模型的一个实例; 最后, 证明E MS算法的全局收敛性. 相似文献
4.
介绍了基于期望模型选择(EMS)算法的多维双参数Logistic(M2PL)模型的潜变量选择方法,并采用逐步搜索的方式对模型选择(MS)步的计算做出了改进.与传统的MS步相比,改进方法计算的子模型个数更少,能够有效提升计算效率.模拟比较显示,改进方法用时更短,且在潜变量选择和参数估计方面具有良好的表现. 相似文献
1