Maximization

CIKM 2013推荐系统论文总结

这几天在家没事，介绍几篇CIKM上关于推荐系统的文章， Personalized Influence Maximization on Social Networks  Social Recommendation
·2015-11-12 16:26

EM算法原理

Estimation - Maximization）进行參数预计, 在该算法中我们通过函数的凹/凸性，在estimation和maximization两步中迭代地进行參数预计，并保证能够算法收敛，达到局部最优解
·2015-11-11 15:47

codeforces 282E Sausage Maximization

题目链接：http://codeforces.com/problemset/problem/282/E 题意：给出一个数列A，选择A的一个前缀s1和一个后缀s2，使得s1的抑或值和s2的抑或值的抑或值最大？ 思路：将前缀依次插入trie中，对于插入的每个前缀i，在trie中查找与后缀i+1抑或值的最大值。 int trie[N*80][2],e; i64 a[N],b[N],c[
·2015-11-11 09:35

matlab-2

K_or_centroids) 2 % ============================================================ 3 % Expectation-Maximization
·2015-11-11 06:21

EM算法(Expectation Maximization)

1 极大似然估计     假设有如图1的X所示的抽取的n个学生某门课程的成绩，又知学生的成绩符合高斯分布f(x|μ,σ2)，求学生的成绩最符合哪种高斯分布，即μ和σ2最优值是什么？ 图1 学生成绩的分布     欲求在抽样X时，最优的μ和σ2参数估计，虽然模型的原型已知，但不同的参数对应着不同的学生成绩分布，其中一种最简单有效的参
·2015-11-11 05:06

EM算法原理

Estimation - Maximization）进行參数预计, 在该算法中我们通过函数的凹/凸性，在estimation和maximization两步中迭代地进行參数预计，并保证能够算法收敛，达到局部最优解
·2015-11-09 13:36

EM算法原理

Estimation - Maximization）预计参数, 函数的凹/凸性，在estimation和maximization两步中迭代地进行參数预计。并保证能够算法收敛。达到局部最优解。
·2015-11-07 11:01

Expectation Maximization（EM）算法note

　　EM算法，之前上模式识别课上，推导过，在《统计学习方法》中没耐性的看过几次，个人感觉讲的过于理论，当时没怎么看懂，后来学lda，想要自己实现一下em算法，又忘记了，看来还是学的不够仔细，认识的不够深刻，现在做点笔记。本文是看了几篇blog和《统计学习方法》之后做的笔记，只是用来给自己做记录，很多地方都是直接引用。 一、初识 1. 迭代 　　EM算法本身可以理解为一个迭代算法，很抽象&am
·2015-11-07 11:31

EM算法原理

Estimation - Maximization）进行參数预计, 在该算法中我们通过函数的凹/凸性，在estimation和maximization两步中迭代地进行參数预计，并保证能够算法收敛，达到局部最优解
·2015-11-03 22:45

EM算法(Expectation Maximization Algorithm)

文章目录 1. 前言 2.基础数学知识 2.1.凸函数 2.2.Jensen不等式 3.EM算法所解决问题的例子 4.EM算法 4.1.模型说明 4.2.EM算法推导 4.3.EM算法收敛性证明 4.4. EM算法E步说明 5.小结 6.主要参考文献 1. 前言   这是本人写的第
·2015-11-03 21:04

最大期望算法

     最大期望算法（Expectation-maximization algorithm，又译期望最大化算法）在统计中被用于寻找，依赖于不可观察的隐性变量的概率模型中
·2015-11-02 18:59

EM算法学习(Expectation Maximization Algorithm)

一、前言       这是本人写的第一篇博客，是学习李航老师的《统计学习方法》书以及斯坦福机器学习课Andrew Ng的EM算法课后，对EM算法学习的介绍性笔记，如有写得不恰当或错误的地方，请指出，并多多包涵，谢谢。另外本人数学功底不是很好，有些数学公式我会说明的仔细点的，如果数学基础好，可直接略过。 二、基础数学知识     &n
·2015-11-02 10:44

数据挖掘经典算法——最大期望算法

算法定义       最大期望算法（Exception Maximization Algorithm，后文简称EM算法）是一种启发式的迭代算法，用于实现用样本对含有隐变量的模型的参数做极大似然估计
·2015-11-01 14:09

PRML读书会第九章 Mixture Models and EM（Kmeans，混合高斯模型，Expectation Maximization）

主讲人 网络上的尼采 （新浪微博: @Nietzsche_复杂网络机器学习） 网络上的尼采(813394698) 9:10:56 今天的主要内容有k-means、混合高斯模型、 EM算法。对于k-means大家都不会陌生，非常经典的一个聚类算法，已经50多年了，关于clustering推荐一篇不错的survey: Data clustering: 50 yea
·2015-10-30 20:43

混合高斯模型（Mixtures of Gaussians）和EM算法

      这篇讨论使用期望最大化算法（Expectation-Maximization）来进行密度估计（density estimation）。
·2015-10-28 09:30

Expectation Maximization

阅读http://blog.pluskid.org/?p=81文章中的一些知识整理：=====================================================================ＡndrewNg关于EM有两个不错的课件http://www.stanford.edu/class/cs229/notes/cs229-notes7b.pdfMixturesof
langb2014·2015-09-14 21:00

EM算法

EM算法的每次迭代由两部组成：E步，求期望（expectation）；M步，求极大值（maximization）。
qunxingvip·2015-08-07 21:00

隐马尔科夫学习七（三）

hmm-learn-best-practices-seven-forward-backward-algorithm-3七、前向-后向算法(Forward-backwardalgorithm)前向-后向算法是Baum于1972年提出来的，又称之为Baum-Welch算法，虽然它是EM(Expectation-Maximization
weilianyishi·2015-06-09 21:00

EM (Expectation Maximization) 算法理解

主要用途解决存在隐含随机变量的估计问题：最大似然估计(MLE），最大后验概率。原理给定一个数据集x1,x2,...,xn,估计如下最大化问题：此处，z（取值从z1到zm）是隐含随机变量（可以看成是xi的标签），因为不知道z1到zm的具体取值，因而上述问题难以求解。下面用EM算法来求解其中∑z=zj,j=1:mQi(z)=1，这样得到了l(θ)的一个下界。为了使得等式成立，有：因此：EM算法过程（不
dx_csdn·2015-06-07 11:06

混合高斯模型(GMM)实现

混合高斯模型（MixturesofGaussians）多值高斯分布，用到了期望最大化算法（Expectation-Maximization）来进行密度估计。
bluecol·2015-03-29 22:00

斯坦福大学公开课 ：机器学习课程（Andrew Ng）——10、无监督学习：Mixture of Gaussians and the EM Algorithm

1）问题定义2）混合高斯模型3）EM算法这篇讨论使用期望最大化算法（Expectation-Maximization）来进行密度估计（densityestimation）【即混合高斯模型中的隐含随机变量
mmc2015·2015-01-05 13:00

EM算法学习(Expectation Maximization Algorithm)

http://www.cnblogs.com/mindpuzzle/archive/2013/04/05/2998746.htmlEM算法学习(ExpectationMaximizationAlgorithm)一、前言这是本人写的第一篇博客，是学习李航老师的《统计学习方法》书以及斯坦福机器学习课AndrewNg的EM算法课后，对EM算法学习的介绍性笔记，如有写得不恰当或错误的地方，请指出，并多多包
hechenghai·2014-12-12 16:32

EM算法学习(Expectation Maximization Algorithm)

http://www.cnblogs.com/mindpuzzle/archive/2013/04/05/2998746.htmlEM算法学习(ExpectationMaximizationAlgorithm)一、前言    这是本人写的第一篇博客，是学习李航老师的《统计学习方法》书以及斯坦福机器学习课AndrewNg的EM算法课后，对EM算法学习的介绍性笔记，如有写得不恰当或错误的地方，请指出，
hechenghai·2014-12-12 16:00

EM（Expectation-Maximization）算法

再次附上本文参考资料：[1] https://zh.wikipedia.org/wiki/%E5%87%B8%E5%87%BD%E6%95%B0[2] https://zh.wikipedia.org/wiki/%E5%87%B9%E5%87%BD%E6%95%B0[3] https://zh.wikipedia.org/wiki/%E6%9C%9F%E6%9C%9B%E5%80%BC[4] ht
zhangyalin1992·2014-11-05 21:00

Codeforces 282E Sausage Maximization(字典树)

题目链接：282ESausageMaximization题目大意：给定一个序列A，要求从中选取一个前缀，一个后缀，可以为空，当时不能重叠，亦或和最大。解题思路：预处理出前缀后缀亦或和，然后在字典树中维护，每次添加并查询，过程中维护ans。#include #include #include #include usingnamespacestd; typedeflonglongll; const
u011328934·2014-10-30 22:00

Sausage Maximization【trie树（非指针版）】

题目大意：给出一串数，pre[i](前i个数的异或)为a[0]~a[i-1]的异或，post[i](后缀的异或)为a[i]~a[n-1]的异或，求pre[i]^post[j]的最大值(0 #include #include #include #defineN100010 usingnamespacestd; structnode { longlongnxt[2];//存储nxt节点在数组中的下标
u013912596·2014-09-08 18:00

EM算法求高斯混合模型参数估计——Python实现

在每一步迭代分为两个步骤：期望（Expectation）步骤和最大化（Maximization）步骤，因此称为EM算法。
chasdmong·2014-08-20 22:02

EM算法求高斯混合模型参数估计——Python实现

在每一步迭代分为两个步骤：期望（Expectation）步骤和最大化（Maximization）步骤，因此称为EM算法。    
jiximeng123·2014-08-20 22:00

EM（expectation maximization）

       转载：http://www.cnblogs.com/jerrylead/archive/2011/04/06/2006936.html
g2s·2014-08-13 20:00

EM算法

zh.wikipedia.org/wiki/海森矩阵最大似然估计–>http://zh.wikipedia.org/wiki/最大似然估计EM算法原理（EM算法）TheEMAlgorithmExpectation-Maximization
樂天·2014-07-28 22:00

EM算法(Expectation Maximization)

  EM算法(ExpectationMaximization)1极大似然估计   假设有如图1的X所示的抽取的n个学生某门课程的成绩，又知学生的成绩符合高斯分布f(x|μ,σ2)，求学生的成绩最符合哪种高斯分布，即μ和σ2最优值是什么？图1学生成绩的分布   欲求在抽样X时，最优的μ和σ2参数估计，虽然模型的原型已知，但不同的参数对应着不同的学生成绩分布，其中一种最简单有效的参数估计方法就是估计的
wenyusuran·2014-06-27 18:00

混合高斯模型（Mixtures of Gaussians）和EM算法

这篇讨论使用期望最大化算法（Expectation-Maximization）来进行密度估计（densityestimation）。     
wenyusuran·2014-06-27 18:00

Expectation Maximization Algorithm（EM）算法

一、基础数学知识在正式介绍EM算法之前，先介绍推导EM算法用到的数学基础知识，包括凸函数，Jensen不等式。1.凸函数对于凸函数，凹函数，如果大家学过高等数学，都应该知道，需要注意的是国内教材如同济大学的《高等数学》的这两个概念跟国外刚好相反，为了能更好的区别，本文章把凹凸函数称之为上凸函数，下凸函数，具体定义如下：上凸函数：函数f(x)满足对定义域上任意两个数a,b都有f[(a+b)/2]≥[
Bicelove·2014-04-26 16:37

Expectation Maximization Algorithm（EM）算法

一、基础数学知识    在正式介绍EM算法之前，先介绍推导EM算法用到的数学基础知识，包括凸函数，Jensen不等式。   1.凸函数     对于凸函数，凹函数，如果大家学过高等数学，都应该知道，需要注意的是国内教材如同济大学的《高等数学》的这两个概念跟国外刚好相反，为了能更好的区别，本文章把凹凸函数称之为上凸函数，下凸函数，具体定义如下：上凸函数：函数f(x)满足对定义域上任意两个数a,b都有
u010555688·2014-04-26 16:00

混合高斯模型（Mixtures of Gaussians）和EM算法

这篇讨论使用期望最大化算法（Expectation-Maximization）来进行密度估计（densityestimation）。     
zhubo22·2014-04-25 14:00

OpenCV（3）ML库->Expectation - Maximization 算法

    最大期望算法（Expectation-maximizationalgorithm，又译期望最大化算法）在统计中被用于寻找，依赖于不可观察的隐性变量的概率模型中，参数的最大似然估计。在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（LatentVariable）。最大期望经常用在机器
王孟贤·2014-04-03 10:00

OpenCV（3）ML库->Expectation - Maximization 算法

    最大期望算法（Expectation-maximizationalgorithm，又译期望最大化算法）在统计中被用于寻找，依赖于不可观察的隐性变量的概率模型中，参数的最大似然估计。在统计计算中，最大期望（EM）算法是在概率（probabilistic）模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐藏变量（LatentVariable）。最大期望经常用在机器
sunboyiris·2014-04-03 10:00

在fmri研究中，cca的应用历史

《exploratory fmri analysis by autocorrelation maximization》   2.06年川大的那位肖柯硕士论文，几乎是完全基于ola的论文，只是最后最
·2014-03-31 16:00

Expectation Maximization and GMM

Jensen不等式Jensen不等式给出了积分的凸函数值必定大于凸函数(convex)的积分值的定理。在凸函数曲线上的任意两点间连接一条线段，那么线段会位于曲线之上，这就是将Jensen不等式应用到两个点的情况，如图(1)所示\((t\in[0,1])\)。我们从概率论的角度来描述Jensen不等式：假设\(f(x)\)为关于随机变量\(x\)的凸函数\(f'(x)\geq0\)，则有\(f\le
·2014-03-14 10:00

EM, Expectation maximization

EM算法是机器学习中比较重要的算法，可以用来做聚类。其EM的思想在才是最重要（不断的优化下界来逼近上界）。当我们面临二个参数需要优化的时候，只要符合EM的不等式（凸函数），可以采用这种思想，先定一个参数，在优化另一个参数。以前在读这个算法时，就费了很大的力气，本想写出来的，但看到别人博客里写了EM算法，且写的比较通俗易懂，深入浅出，即使你以前没有看过EM算法，只要你静下心来，一定会看的懂。下面主要
wangkr111·2014-03-13 14:00

What is the expectation maximization algorithm?

http://www.nature.com/nbt/journal/v26/n8/full/nbt1406.html对于最大似然概率的推导可以参考本系列中的文章也就是说要求的是抛硬币A是正面的概率p(A),和抛硬币B是正面的概率p(B)一共做了五组实验，其中三组是抛10次A，正面的次数。对于这三组的现象的概率是p(data|A)=p(h|A)*(1-p(h|a))...p(h|A)两边去对数，让其
sunmenggmail·2013-11-17 23:00

高斯混合模型和EM算法

使用期望最大化算法（Expectation-Maximization）来进行密度估计（densityestimation）。     与k-means一样，给定的训练样本是，我们将隐含类别标签用表示。
yueyedeai·2013-11-12 20:00

EM算法(Expectation Maximization)

EM算法(ExpectationMaximization)1极大似然估计假设有如图1的X所示的抽取的n个学生某门课程的成绩，又知学生的成绩符合高斯分布f(x|μ,σ2)，求学生的成绩最符合哪种高斯分布，即μ和σ2最优值是什么？图1学生成绩的分布欲求在抽样X时，最优的μ和σ2参数估计，虽然模型的原型已知，但不同的参数对应着不同的学生成绩分布，其中一种最简单有效的参数估计方法就是估计的参数在目前抽样的
pi9nc·2013-10-03 10:50

EM算法(Expectation Maximization)

EM算法(ExpectationMaximization)1极大似然估计   假设有如图1的X所示的抽取的n个学生某门课程的成绩，又知学生的成绩符合高斯分布f(x|μ,σ2)，求学生的成绩最符合哪种高斯分布，即μ和σ2最优值是什么？图1学生成绩的分布   欲求在抽样X时，最优的μ和σ2参数估计，虽然模型的原型已知，但不同的参数对应着不同的学生成绩分布，其中一种最简单有效的参数估计方法就是估计的参数
pi9nc·2013-10-03 10:00

数据挖掘十大经典算法(5) 最大期望(EM)算法

在统计计算中，最大期望（EM，Expectation–Maximization）算法是在概率（probabilistic）模型中寻找参数最大似然估计的算法，其中概率模型依赖于无法观测的隐藏变量（LatentVariabl
starstarstone·2013-08-12 11:00

EM算法(Expectation Maximization)

1极大似然估计假设有如图1的X所示的抽取的n个学生某门课程的成绩，又知学生的成绩符合高斯分布f(x|μ,σ2)，求学生的成绩最符合哪种高斯分布，即μ和σ2最优值是什么？图1学生成绩的分布欲求在抽样X时，最优的μ和σ2参数估计，虽然模型的原型已知，但不同的参数对应着不同的学生成绩分布，其中一种最简单有效的参数估计方法就是估计的参数在目前抽样的数据上表现最好，即使得f(X|μ,σ2)的联合概率最大，这
weixin_30438813·2013-07-19 01:00

CodeForces Round #173 (282E) - Sausage Maximization 字典树

   练习赛的时候这道题死活超时....想到了高位确定后..低位不能对高位产生影响..并且高位要尽可能的为1..就是想不出比较好的方法了实现...   围观大神博客..http://www.cnblogs.com/zhj5chengfeng/archive/2013/05/14/3077621.html   思路很清晰了..没什么补充的..自己的思维还是不够啊...大神几句话点拨...豁然开朗..
kk303·2013-07-18 14:00

EM算法原理

在聚类中我们经常用到EM算法（i.e.Estimation-Maximization）进行参数估计,在该算法中我们通过函数的凹/凸性，在estimation和maximization两步中迭代地进行参数估计
lcj_cjfykx·2013-07-15 02:00

EM(Expectation-Maximization)算法

 EM是我一直想深入学习的算法之一，第一次听说是在NLP课中的HMM那一节，为了解决HMM的参数估计问题，使用了EM算法。在之后的MT中的词对齐中也用到了。在Mitchell的书中也提到EM可以用于贝叶斯网络中。下面主要介绍EM的整个推导过程。1.Jensen不等式     回顾优化理论中的一些概念。设f是定义域为实数的函数，如果对于所有的实数x，，那么f是凸函数。当x是向量时，如果其hessia
glb562000520·2013-07-13 09:00

What is the expectation maximization algorithm?

heexpectationmaximizationalgorithmarisesinmanycomputationalbiologyapplicationsthatinvolveprobabilisticmodels.Whatisitgoodfor,andhowdoesitwork?IntroductionProbabilisticmodels,suchashiddenMarkovmodelsor
overstack·2013-05-26 22:00
上一页 1 2 3 4 5 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他