基于EM算法的混合t-分布模型参数估计

发布时间：2021-06-23 21:42

　　混合t-分布模型是分析重尾数据的重要建模工具之一,不易受离群点、异常值点的影响,比混合高斯分布模型具有更好的稳健性。文章研究了两总体一元混合t-分布模型,基于EM算法给出了该模型参数极大似然估计的迭代步骤,并采用k-means方法进行算法初始化,然后分别在三类模拟数据下对比验证了该模型的有效性以及在拟合重尾数据上的优势。 

【文章来源】：统计与决策. 2018,34(19)北大核心CSSCI

【文章页数】：5 页

【参考文献】：
期刊论文
[1]偏t正态数据下混合线性联合位置与尺度模型的参数估计[J]. 朱志娥,吴刘仓,戴琳.  高校应用数学学报A辑. 2016(04)

博士论文
[1]基于统计混合模型的图像分割方法研究[D]. 熊太松.电子科技大学 2013

硕士论文
[1]基于有限混合模型的医学图像分割算法应用研究[D]. 杨云飞.东南大学 2015
[2]基于改进EM算法的混合模型参数估计及聚类分析[D]. 史鹏飞.西北大学 2009
[3]基于混合模型的聚类算法及其稳健性研究[D]. 冉延平.中国人民解放军信息工程大学 2005



本文编号：3245697