Онлайн модел на Гаусови смеси
Онлайн моделът на Гаусови смеси (Online GMM) адаптира класическия GMM към поточни или широкомащабни данни, като заменя пълнопакетния EM алгоритъм с инкрементални актуализации — обработвайки едно наблюдение или мини-пакет наведнъж и непрекъснато прецизирайки средните стойности на компонентите, ковариациите и теглата на смесване, без да преразглежда целия набор от данни.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Cappé, O. & Moulines, E. (2009). On-line expectation-maximization algorithm for latent data models. Journal of the Royal Statistical Society: Series B, 71(3), 593–613. DOI: 10.1111/j.1467-9868.2009.00698.x ↗
- Sato, M. & Ishii, S. (2000). On-line EM algorithm for the normalized Gaussian network. Neural Computation, 12(2), 407–432. DOI: 10.1162/089976600300015853 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Online Gaussian Mixture Model (Incremental / Streaming GMM). ScholarGate. https://scholargate.app/bg/machine-learning/online-gaussian-mixture-model
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Байесов модел на Гаусови смесиМашинно обучение↔ compare
- K-means клъстеризацияМашинно обучение↔ compare
- Онлайн K-средниМашинно обучение↔ compare
- Онлайн обучениеМашинно обучение↔ compare
- Полу-наблюдаван Гаусов смесен моделМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →