基於雙變量及多變量貝他分布的兩個新型機率分群模型;Two probabilistic clustering models based on bivariate and multivariate beta distributions

NCU Institutional Repository > 資訊電機學院 > 資訊工程研究所 > 博碩士論文 > Item 987654321/89785

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/89785

题名:	基於雙變量及多變量貝他分布的兩個新型機率分群模型;Two probabilistic clustering models based on bivariate and multivariate beta distributions
作者:	徐永棚;Hsu, Yung-Peng
贡献者:	資訊工程學系
关键词:	混和模型;雙變量和多變量貝他分布;分群;期望最大化演算法;Mixture Models;Bivariate and Multivariate Beta Distribution;Clustering;Expectation Maximization Algorithm
日期:	2022-07-21
上传时间:	2022-10-04 11:59:41 (UTC+8)
出版者:	國立中央大學
摘要:	本篇論文提出了兩種基於機率模型的分群方法: Multivariate Beta Mixture Model (MBMM)和Flexible Bivariate Beta Mixture Model (FBBMM)。兩個模型的差異包含輸入的變量數(多變量和雙變量)和貝他分布的定義。我們基於期望最大化(Expectation-Maximization, EM)演算法、最大似然估計(maximum likelihood estimation, MLE)和最佳化方法sequential least squares programming optimizer (SLSQP)來估計模型參數。我們對人工合成和真實世界的資料集進行實驗，來確認MBMM和FBBMM的有效性。;This thesis presents two probability model-based clustering methods: the Multivariate Beta Mixture Model (MBMM) and the Flexible Bivariate Beta Mixture Model (FBBMM). Differences between the two models include the number of input variates (multivariate or bivariate) and the definition of the beta distributions. We estimate model parameters based on the Expectation-Maximization (EM) algorithm, the maximum likelihood estimation (MLE), and the sequential least squares programming optimizer (SLSQP). We conduct experiments on the synthetic and the real datasets to confirm the effectiveness of the MBMM and FBBMM.
显示于类别:	[資訊工程研究所] 博碩士論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	59	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....