多元伪泊松混合分布模型的理论研究
|
摘要
针对混合分布模型中各项权值通常依赖于未知或已知参数而造成的模型不确定问题,提出了一种权值基于Frobenius范数的混合分布模型。首先,把多元泊松分布进行截断及均化处理,生成伪多元泊松分布。其次,根据有限可数混合分布的表达式,分别求解伪多元泊松混合分布的集函数矩阵、多线性形式的Pseudo-Boolean函数矩阵、多线性Pseudo-Boolean函数矩阵的Frobenius范数,由此得到新的权值并据此构建多元伪泊松混合分布模型。最后,根据混合分布权值的归一性及非负性证明了模型的正确性并且通过仿真实验来展示构建模型的整个过程,验证了算术平均的合理性。可为今后研究混合分布在机器学习领域的应用及算法设计提供理论基础。
The weight values in mixture distribution models usually depend on unknown or known parameters, which makes the model uncertain. To address this issue, we propose to determine the model weights based on Frobenius. Firstly, the multivariate Poisson distribution was truncated and homogenized to generate a multivariate Pseudo-Poisson distribution. Secondly, set function matrix of multivariate Pseudo-Poisson mixture distribution, multiple linear Pseudo-Boolean function matrix, multiple linear Pseudo-Boolean function matrix's Frobenius norm were solved respectively according to the expression for countable mixture distribution. New weights were calculated and in turn a multivariate Pseudo-Poisson mixture distribution model was constructed. Finally, the correctness of the model was proved according to the normalization and nonnegativeness of the mixture distribution weights and the entire process of building model was demonstrated through simulation experiments. We also verified that arithmetic average is reasonable. The proposed model can provide a theoretical basis for applications and algorithm design of mixture distribution in machine learning.
The weight values in mixture distribution models usually depend on unknown or known parameters, which makes the model uncertain. To address this issue, we propose to determine the model weights based on Frobenius. Firstly, the multivariate Poisson distribution was truncated and homogenized to generate a multivariate Pseudo-Poisson distribution. Secondly, set function matrix of multivariate Pseudo-Poisson mixture distribution, multiple linear Pseudo-Boolean function matrix, multiple linear Pseudo-Boolean function matrix's Frobenius norm were solved respectively according to the expression for countable mixture distribution. New weights were calculated and in turn a multivariate Pseudo-Poisson mixture distribution model was constructed. Finally, the correctness of the model was proved according to the normalization and nonnegativeness of the mixture distribution weights and the entire process of building model was demonstrated through simulation experiments. We also verified that arithmetic average is reasonable. The proposed model can provide a theoretical basis for applications and algorithm design of mixture distribution in machine learning.
引文
[1]曾裕峰,向修海.随机波动模型的扩展:理论与中国股市的实证[J].经济学,2016,16(1):205-228.
[2]肖佳文,杨政.混合分布的Va R非参数估计:对期货市场的实证分析[J].系统工程学报,2016,31(4):471-480.
[3]肖佳文.基于混合分布的Va R估计及其应用[D].成都:电子科技大学,2015.
[4]张中文.基于缺失数据的两正态混合分布的参数估计[D].大连:大连理工大学,2008.
[5]杨彬.沪市A股交易量与收益率及波动性的关系—基于混合分布模型的实证研究[J].统计与决策,2005,(8):91-93.
[6]凌士勤,杨波,袁开洪,等.基于高频数据的分类信息混合分布GARCH模型研究[J].数量经济技术经济研究,2005,22(3):72-77.
[7]杨维维.贝叶斯模型在老年人健康管理效果评价中的应用[D].南京:东南大学,2016.
[8]孙维伟,陈伟珂.有限混合分布在车险费率厘定中的应用[J].系统工程,2016(5):144-153.
[9]李程昊.混合直流输电系统拓扑结构及关键技术研究[D].武汉:华中科技大学,2015.
[10]栾途.透明质酸粘多糖的分子表征、流变学性质及其物理凝胶的研究[D].上海:上海交通大学,2011.
[11]刘向冲,侯翠霞,申维,等.MML-EM方法及其在化探数据混合分布中的应用[J].地球科学(中国地质大学学报),2011,36(2):355-359.
[12]胡昭华,姜啸远,王珏,等.混合深度网络在场景识别技术中的应用[J].小型微型计算机系统,2017,38(6):1387-1393.
[13]何广才.基于云平台的遗传—蚁群混合型算法的研究及在TSP中的应用[D].呼和浩特:内蒙古农业大学,2016.
[14]周颖.标记分布在人脸图像属性识别上的应用[D].南京:东南大学,2016.
[15]降国栋.基于云计算的计算机辅助诊断及远程诊断平台研究[D].杭州:杭州电子科技大学,2016.
[16]张晓庆.基于计算机视觉的颜色恒常性算法研究[D].天津:天津科技大学,2016.
[17]赵挺.蜂群算法及其仿生策略研究[D].杭州:浙江大学,2016.
[18]陈新.基于人工鱼群算法的柔性作业车间调度研究[D].大连:大连理工大学,2015.
[19]吴建辉.混合免疫优化理论与算法及其应用研究[D].长沙:湖南大学,2013.
[20]黄情操,余达祥.单变量边缘分布算法与蚁群算法的混合算法收敛性分析[J].现代电子技术,2012,35(6):74-77.
[21]冯巍巍,魏庆农,汪世美,等.基于混合遗传算法的偏振双向反射分布函数优化建模[J].红外与激光工程,2008,37(4):743-747.
[22]全星澄,李巍.基于EM算法的有限维混合分布参数估计研究[J].统计与决策,2017(12):25-29.
[23]成英超,王瑞胡,胡章平.一种基于高斯混合模型的协同过滤算法[J].计算机科学,2017,44(S1):451-454.
[24]唐绩,朱峰,路彬彬,等.一种基于混合Gamma分布的自动目标识别混合EM算法[J].现代雷达,2017,39(4):45-49.
[25]李保珠,董云龙,李秀友,等.基于t分布混合模型的抗差关联算法[J].电子与信息学报,2017,39(7):1774-1778.
[26]冯杭,王胜兵.有限混合泊松分布参数优化的改进EM算法[J].兵工自动化,2017,36(1):80-82.
[27]罗修辉,韦程东,王一茸.EM算法在混合分布模型参数估计中的应用研究[J].广西师范学院学报(自然科学版),2016,33(3):35-39.
[28]虞欢欢.基于违约强度为混合泊松分布情形的信用资产组合集成风险度量研究[D].杭州:浙江财经大学,2015.
[29]高迎心,温佳威,徐尔,等.基于混合泊松分布的新生突变识别算法[J].中国生物化学与分子生物学报,2017(11):1168-1174.
[30]Wang D W.Fasthy brid level set model fornon-homogenous image segmentation solving by algebraic multigrid[J].Engineering and Technology Research,2016,doi:10.12783/dtetr/iceea2016/6727.
[31]Jiang D,Han DF,Hu XL.The shape optimization of the arterial graft design by level set methods[J].Applied Mathematics:A Journal of Chinese Universities,2016,31(2):205-218.
[32]师肖静,张兴芳.概率逻辑、不确定逻辑和模糊逻辑之比较[J].计算机工程与应用,2017,53(12):50-52,69.
[33]钱玲,张慧,张化朋.非可加测度空间上Egoroff定理的伪条件[J].模糊系统与数学,2016(1):77-83.
[34]杨勇,潘伟民,徐春.水平集函数规则化的C-V主动轮廓模型[J].计算机工程与应用,2008,44(34):166-168.
[35]欧阳耀,李军.Choquet积分定义的单调集函数的几个遗传性质(英文)[J].东南大学学报(英文版),2003,19(4):423-426.
[36]李劲,岳昆,张德海,等.社会网络中影响力传播的鲁棒抑制方法[J].计算机研究与发展,2016,53(3):601-610.
[37]Zhao Y,Cheng DZ.Calculus of Pseudo-Boolean functions[C]//Technical Committee on Control Theory of Chinese Association of Automation,Systems Engineering Society of China,2012.
[38]Marques Silva J.On applying lower bound estimates in Pseudo-Boolean optimization[C]//Proceedings of Guangzhou Symposium on Satisfiability and Its Applications,2004.
[39]傅文进,吴小俊,董文华,等.基于协同表示的子空间聚类[J].模式识别与人工智能,2017,30(3):251-259.
[40]吴萱.基于变分正则化的彩色滤波阵列(CFA)图像去马赛克方法研究[D].南京:南京理工大学,2016.
[41]张语涵.鲁棒人脸正面化方法研究[D].南京:南京理工大学,2016.
[42]石聪聪.矩阵Frobenius范数不等式及次可加性研究[D].重庆:重庆大学,2016.
[43]翁小清,沈钧毅.基于滑动窗口的多变量时间序列异常数据的挖掘[J].计算机工程,2007,33(12):102-104.
[44]Mankiw GN.经济学原理:宏观经济学分册第7版[M].北京:北京大学出版社,2012.
[2]肖佳文,杨政.混合分布的Va R非参数估计:对期货市场的实证分析[J].系统工程学报,2016,31(4):471-480.
[3]肖佳文.基于混合分布的Va R估计及其应用[D].成都:电子科技大学,2015.
[4]张中文.基于缺失数据的两正态混合分布的参数估计[D].大连:大连理工大学,2008.
[5]杨彬.沪市A股交易量与收益率及波动性的关系—基于混合分布模型的实证研究[J].统计与决策,2005,(8):91-93.
[6]凌士勤,杨波,袁开洪,等.基于高频数据的分类信息混合分布GARCH模型研究[J].数量经济技术经济研究,2005,22(3):72-77.
[7]杨维维.贝叶斯模型在老年人健康管理效果评价中的应用[D].南京:东南大学,2016.
[8]孙维伟,陈伟珂.有限混合分布在车险费率厘定中的应用[J].系统工程,2016(5):144-153.
[9]李程昊.混合直流输电系统拓扑结构及关键技术研究[D].武汉:华中科技大学,2015.
[10]栾途.透明质酸粘多糖的分子表征、流变学性质及其物理凝胶的研究[D].上海:上海交通大学,2011.
[11]刘向冲,侯翠霞,申维,等.MML-EM方法及其在化探数据混合分布中的应用[J].地球科学(中国地质大学学报),2011,36(2):355-359.
[12]胡昭华,姜啸远,王珏,等.混合深度网络在场景识别技术中的应用[J].小型微型计算机系统,2017,38(6):1387-1393.
[13]何广才.基于云平台的遗传—蚁群混合型算法的研究及在TSP中的应用[D].呼和浩特:内蒙古农业大学,2016.
[14]周颖.标记分布在人脸图像属性识别上的应用[D].南京:东南大学,2016.
[15]降国栋.基于云计算的计算机辅助诊断及远程诊断平台研究[D].杭州:杭州电子科技大学,2016.
[16]张晓庆.基于计算机视觉的颜色恒常性算法研究[D].天津:天津科技大学,2016.
[17]赵挺.蜂群算法及其仿生策略研究[D].杭州:浙江大学,2016.
[18]陈新.基于人工鱼群算法的柔性作业车间调度研究[D].大连:大连理工大学,2015.
[19]吴建辉.混合免疫优化理论与算法及其应用研究[D].长沙:湖南大学,2013.
[20]黄情操,余达祥.单变量边缘分布算法与蚁群算法的混合算法收敛性分析[J].现代电子技术,2012,35(6):74-77.
[21]冯巍巍,魏庆农,汪世美,等.基于混合遗传算法的偏振双向反射分布函数优化建模[J].红外与激光工程,2008,37(4):743-747.
[22]全星澄,李巍.基于EM算法的有限维混合分布参数估计研究[J].统计与决策,2017(12):25-29.
[23]成英超,王瑞胡,胡章平.一种基于高斯混合模型的协同过滤算法[J].计算机科学,2017,44(S1):451-454.
[24]唐绩,朱峰,路彬彬,等.一种基于混合Gamma分布的自动目标识别混合EM算法[J].现代雷达,2017,39(4):45-49.
[25]李保珠,董云龙,李秀友,等.基于t分布混合模型的抗差关联算法[J].电子与信息学报,2017,39(7):1774-1778.
[26]冯杭,王胜兵.有限混合泊松分布参数优化的改进EM算法[J].兵工自动化,2017,36(1):80-82.
[27]罗修辉,韦程东,王一茸.EM算法在混合分布模型参数估计中的应用研究[J].广西师范学院学报(自然科学版),2016,33(3):35-39.
[28]虞欢欢.基于违约强度为混合泊松分布情形的信用资产组合集成风险度量研究[D].杭州:浙江财经大学,2015.
[29]高迎心,温佳威,徐尔,等.基于混合泊松分布的新生突变识别算法[J].中国生物化学与分子生物学报,2017(11):1168-1174.
[30]Wang D W.Fasthy brid level set model fornon-homogenous image segmentation solving by algebraic multigrid[J].Engineering and Technology Research,2016,doi:10.12783/dtetr/iceea2016/6727.
[31]Jiang D,Han DF,Hu XL.The shape optimization of the arterial graft design by level set methods[J].Applied Mathematics:A Journal of Chinese Universities,2016,31(2):205-218.
[32]师肖静,张兴芳.概率逻辑、不确定逻辑和模糊逻辑之比较[J].计算机工程与应用,2017,53(12):50-52,69.
[33]钱玲,张慧,张化朋.非可加测度空间上Egoroff定理的伪条件[J].模糊系统与数学,2016(1):77-83.
[34]杨勇,潘伟民,徐春.水平集函数规则化的C-V主动轮廓模型[J].计算机工程与应用,2008,44(34):166-168.
[35]欧阳耀,李军.Choquet积分定义的单调集函数的几个遗传性质(英文)[J].东南大学学报(英文版),2003,19(4):423-426.
[36]李劲,岳昆,张德海,等.社会网络中影响力传播的鲁棒抑制方法[J].计算机研究与发展,2016,53(3):601-610.
[37]Zhao Y,Cheng DZ.Calculus of Pseudo-Boolean functions[C]//Technical Committee on Control Theory of Chinese Association of Automation,Systems Engineering Society of China,2012.
[38]Marques Silva J.On applying lower bound estimates in Pseudo-Boolean optimization[C]//Proceedings of Guangzhou Symposium on Satisfiability and Its Applications,2004.
[39]傅文进,吴小俊,董文华,等.基于协同表示的子空间聚类[J].模式识别与人工智能,2017,30(3):251-259.
[40]吴萱.基于变分正则化的彩色滤波阵列(CFA)图像去马赛克方法研究[D].南京:南京理工大学,2016.
[41]张语涵.鲁棒人脸正面化方法研究[D].南京:南京理工大学,2016.
[42]石聪聪.矩阵Frobenius范数不等式及次可加性研究[D].重庆:重庆大学,2016.
[43]翁小清,沈钧毅.基于滑动窗口的多变量时间序列异常数据的挖掘[J].计算机工程,2007,33(12):102-104.
[44]Mankiw GN.经济学原理:宏观经济学分册第7版[M].北京:北京大学出版社,2012.