Articles sur Gaussian Mixture Models
2 articles liés
Sélection de modèles et estimation des paramètres des modèles de mélange gaussien unidimensionnel
Model Selection and Parameter Estimation of One-Dimensional Gaussian Mixture Models
AI InsightCet article prouve pour la première fois la limite inférieure optimale de la complexité de l'échantillon pour l'estimation de l'ordre du modèle de modèles de mélange gaussien unidimensionnels, et fournit une méthode d'estimation basée sur Fourier. Par rapport aux approches précédentes qui s'appuient sur des critères d'information heuristiques ou bayésiens, cette étude clarifie théoriquement la relation entre les exigences en matière d'échantillon, la séparation moyenne des composants et le nombre total de composants. Cela signifie que le problème de sélection de modèle a des garanties théoriques vérifiables, mais que la faisabilité informatique doit encore être vérifiée pour des applications pratiques.Importance 65/100Sélection de modèles et estimation de paramètres pour les modèles de mélange gaussien multidimensionnel avec une matrice de covariance commune
Model Selection and Parameter Estimation for Multidimensional Gaussian Mixture Models with a Common Covariance Matrix
AI InsightCet article propose une matrice de covariance de Fourier basée sur des fonctions caractéristiques empiriques pour des modèles de mélange gaussiens multidimensionnels avec des covariances communes connues, dont le rang est égal au nombre de composantes, et donne la limite inférieure de l'échantillon Ω(Δ^{-(4k-4)}) nécessaire pour distinguer les composantes k et k-1. Comparé à la sélection de modèles précédente qui reposait principalement sur la méthode de vraisemblance ou de moment, il s'agit du premier résultat théorique qui applique strictement la méthode spectrale au GMM de covariance commune et fournit une base pour des estimateurs pratiques de ratio de valeurs singulières.Importance 65/100