Modèle gaussien de mélange en ligne
Le modèle gaussien de mélange en ligne adapte le GMM classique aux données en flux ou à grande échelle en remplaçant l'EM par lots complets par des mises à jour incrémentielles — traitant une observation ou un mini-lot à la fois et affinant continuellement les moyennes, les covariances et les poids de mélange des composantes sans revisiter l'ensemble des données.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Online Gaussian Mixture Model (Incremental / Streaming GMM). ScholarGate. https://scholargate.app/fr/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.
- Modèle Bayésien de Mélange GaussienApprentissage automatique↔ compare
- Regroupement par K-moyennesApprentissage automatique↔ compare
- K-means en ligneApprentissage automatique↔ compare
- Apprentissage en ligneApprentissage automatique↔ compare
- Modèle gaussien de mélange semi-superviséApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →