Online Gaussian Mixture Model
Online Gaussian Mixture Model mukauttaa klassisen GMM:n suoratoisto- tai suuren mittakaavan dataan korvaamalla täyden erän EM-algoritmin inkrementaalisilla päivityksillä — käsitellen yhden havainnon tai minierän kerrallaan ja hienosäätäen jatkuvasti komponenttien keskiarvoja, kovariansseja ja sekoituspainoja ilman koko datajoukon uudelleenkäyntiä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Online Gaussian Mixture Model (Incremental / Streaming GMM). ScholarGate. https://scholargate.app/fi/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.
- Bayesiläinen Gaussinen sekoitusmalliKoneoppiminen↔ compare
- K-means-klusterointiKoneoppiminen↔ compare
- Online K-meansKoneoppiminen↔ compare
- Online-oppiminenKoneoppiminen↔ compare
- Puolivalvottu Gaussinen sekoitusmalliKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →