Machine learningMachine learning
온라인 가우시안 혼합 모델
온라인 가우시안 혼합 모델(Online Gaussian Mixture Model)은 전체 배치 EM(Expectation-Maximization)을 점진적 업데이트로 대체하여 고전적인 GMM을 스트리밍 또는 대규모 데이터에 적용합니다. 이는 한 번에 하나의 관측치 또는 미니 배치만 처리하고 전체 데이터셋을 다시 방문하지 않고도 구성 요소의 평균, 공분산 및 혼합 가중치를 지속적으로 개선합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Online Gaussian Mixture Model (Incremental / Streaming GMM). ScholarGate. https://scholargate.app/ko/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.
- 베이즈 가우시안 혼합 모델머신러닝↔ compare
- K-means 군집화머신러닝↔ compare
- 온라인 K-평균머신러닝↔ compare
- 온라인 학습머신러닝↔ compare
- 준지도 가우시안 혼합 모형머신러닝↔ compare