广义期望最大算法

广义期望最大算法(Generalized Expectation Maximization)是数据不完全或者存在缺失变量的情况下参数估计的迭代算法。算

最大期望算法(Expectation-Maximization algorithm, EM),或Dempster-Laird-Rubin算法,是一类通过迭代进行极大似然估计(Maximum Likelihood Estimation, MLE)的优化算法,通常作为牛顿迭代法(Newton-Raphson method)的替代用于对包含隐变量

训练HMM的标准算法是向前-向后算法(forward-backward algorithm)或者叫做鲍姆一韦尔奇算法(BaumWelch algorithm),这是期望最大化算法(ExpectationMaximization algorithm,简称EM算法)的一种特殊情形。这个算法将帮助我们训练HMM的转移概率A

然后,采用张量分解和空间交替广义期望最大(SAGE)算法对非线性信道进行参数估计和辨识。在此基础上,研究非线性信道最大后验概率(MAP)接收机的因子图表示,并采用置信压缩滤波(BCF)算法处理非线性因式节点的消息更新。针对信道记忆性较大

相关文档

广义期望最大算法
最大期望算法
广义向前向后算法
卫星非线性记忆信道中的最优信号设计与迭代接收技术
wkbx.net
9213.net
xaairways.com
ddgw.net
wlbk.net
电脑版