Книга "Finite Mixture Models" представляет собой современное и всеобъемлющее описание основных проблем моделирования с помощью конечных смесей распределений. Автор сосредоточивается на применении моделей смесей в основном анализе и других областях, таких как обнаружение образов без учителя, распознавание речи и медицинская обработка изображений. В книге описываются формулировки подхода конечных смесей, методология, аспекты реализации и примеры применения во многих статистических контекстах. Основные темы, рассматриваемые в книге, включают проблемы идентифицируемости, фактическое подгонка конечных смесей с помощью алгоритма EM, свойства оценок максимального правдоподобия, оценку числа компонент, подходящих для смеси, и применимость асимптотической теории для решения некоторых из этих проблем. Автор также рассматривает, как алгоритм EM может быть масштабирован для обработки подгонки моделей смесей для очень больших баз данных, как в приложениях поиска данных. Книга содержит более 800 ссылок, включая более 40% изданных после 1995 года, а также приложение с перечислением доступного программного обеспечения для смесей. Она связывает статистическую литературу с литературой по машинному обучению и распознаванию образов, и содержит более 100 полезных графиков, диаграмм и таблиц. "Finite Mixture Models" - важный ресурс как для прикладных, так и для теоретических статистиков, а также для исследователей во многих областях, в которых конечные смеси могут быть использованы для анализа данных.
Электронная Книга «Finite Mixture Models» написана автором Geoffrey McLachlan в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9780471654063
Описание книги от Geoffrey McLachlan
An up-to-date, comprehensive account of major issues in finite mixture modeling This volume provides an up-to-date account of the theory and applications of modeling via finite mixture distributions. With an emphasis on the applications of mixture models in both mainstream analysis and other areas such as unsupervised pattern recognition, speech recognition, and medical imaging, the book describes the formulations of the finite mixture approach, details its methodology, discusses aspects of its implementation, and illustrates its application in many common statistical contexts. Major issues discussed in this book include identifiability problems, actual fitting of finite mixtures through use of the EM algorithm, properties of the maximum likelihood estimators so obtained, assessment of the number of components to be used in the mixture, and the applicability of asymptotic theory in providing a basis for the solutions to some of these problems. The author also considers how the EM algorithm can be scaled to handle the fitting of mixture models to very large databases, as in data mining applications. This comprehensive, practical guide: * Provides more than 800 references-40% published since 1995 * Includes an appendix listing available mixture software * Links statistical literature with machine learning and pattern recognition literature * Contains more than 100 helpful graphs, charts, and tables Finite Mixture Models is an important resource for both applied and theoretical statisticians as well as for researchers in the many areas in which finite mixture models can be used to analyze data.
