基于期望最大算法的高斯混合模型参数估计被引量：2

下载PDF

导出

摘要高斯混合模型（GMM）已在图像处理和计算机视觉领域得到了广泛应用，对于该GMM模型中各项参数的估计依然是一件值得研究的问题。采用期望最大算法（EM）来估计该模型对应的多参数，并给出其详细的推导过程。试验结果表明，EM算法在估计GMM模型中各项参数时具有很强的鲁棒性，并取得了很好的效果。

作者余瑞艳

机构地区长江大学一年级教学工作部

出处《长江大学学报（自科版）（上旬）》 CAS 2012年第11期12-14,共3页 JOURNAL OF YANGTZE UNIVERSITY (NATURAL SCIENCE EDITION) SCI ＆ ENG

关键词期望最大算法高斯混合模型估计

分类号 TP301.6 [自动化与计算机技术—计算机系统结构]

引文网络
相关文献

参考文献11

1Levin A. Blind motion deblurring using image statistics [C] //Proceedings of Advances in Neural Information Processing Systems,2006, 19: 841-848.
2Levin A, Fergus R, Freeman W T. Image and depth from a conventional camera with a coded aperture [J] . ACM Transactions onGraphics, 2007,26 (6): 70-77.
3刘文,吴传生,吕琪.含噪径向模糊图像的复原算法研究[J].武汉理工大学学报,2011,33(4):139-143. 被引量：13
4Fergus R, Singh B, Hertzmann A, et al. Removing camera shake from a single photograph [J] . ACM Transactions on Graphics, 2006,25 (3): 787-794.
5刘文.空间变化运动模糊图像的复原算法研究[D].武汉:武汉理工大学,2011.
6李明,赵勋杰.改进的基于高斯混合模型的运动目标检测算法[J].计算机工程与应用,2011,47(8):204-206. 被引量：32
7何信华,赵龙.基于改进高斯混合模型的实时运动目标检测与跟踪[J].计算机应用研究,2010,27(12):4768-4771. 被引量：24
8Hammond D K, Simoncelli E P. Image denoising with an orientation-adaptive Gaussian scale mixture model [C] //Proceedings of IEEEInternational Conference on Image Processing, Atlanta: IEEE Computer Society, 2006: 1433-1436.
9Permuter H,Francos J . Jermyn I. A study of Gaussian mixture models of color and texture features for image classification andsegmentation [J]. Pattern Recognition, 2006,39 (4) : 695-706.
10熊彪,江万寿,李乐林.基于高斯混合模型的遥感影像半监督分类[J].武汉大学学报（信息科学版）,2011,36(1):108-112. 被引量：21

二级参考文献44

1高妙仙,毛政元.基于高斯混合模型的建筑物QuickBird多光谱影像数据分类研究[J].国土资源遥感,2009,21(2):19-23. 被引量：4
2余鹏,封举富.基于多分辨率小波和高斯混合模型的纹理图像分割[J].北京大学学报（自然科学版）,2005,41(3):338-343. 被引量：3
3黄飞,金伟其,曹峰梅,刘伯丰.相向运动条件下图像的辐射状退化及其复原研究[J].电子学报,2005,33(9):1710-1713. 被引量：7
4于勇,付忠良.相向运动径向模糊图像的复原算法研究[J].计算机应用,2007,27(1):174-176. 被引量：5
5KAILATH T.The divergence and Bhattacharyya distance measures in signal selection[J].IEEE Trans on Communication Technology,1967,15(1):52-60.
6TSAI D M,LAI S C.Independent component analysis-based background subtraction for indoor surveillance[J].IEEE Trans on Image Processing,2009,18(1):158-167.
7AVIDAN S.Ensemble tracking[J].IEEE Trans on Pattern Analysis and Machine Intelligence,2007,29(2):261-271.
8WANG Yang.Real-time moving vehicle detection with cast shadow removal in video based on conditional random field[J].IEEE Trans on Circuits and Systems for Video Technology,2009,19(3):437-441.
9STAUFFER C,GRIMSON W E L.Learning patterns of activity using real-time tracking[J].IEEE Trans on Pattern Analysis and Machine Intelligence,2000,22(8):747-757.
10ZHANG J,CHEN C H.Moving objects detection and segmentation in dynamic video backgrounds[C] //Proc of IEEE Conference on Technologies for Homeland Security.2007:64-69.

共引文献86

1滕新栋,唐宇豪,马兴录,李晓旭.集装箱病媒生物视觉探寻系统[J].计算机系统应用,2022,31(10):116-121. 被引量：1
2贾宇为,王汉军.改进混合高斯模型的电网检修人员行为检测[J].计算机系统应用,2020,29(10):242-247. 被引量：1
3王德贵,彭圣哲,孙小倩,李艳梅,刘雪飞,戎小凤,陈璇,毕津顺.基于深度学习与嵌入式系统课程结合的教学案例实践探索[J].创新创业理论研究与实践,2024(14):145-149. 被引量：2
4初永玲,李绍春,王枚.一种基于Radon变换的水平运动模糊图像复原方法[J].烟台职业学院学报,2011,17(3):66-69.
5初永玲,李绍春.基于自适应正则化的序列图像超分辨率复原[J].泰山学院学报,2013,35(6):52-57.
6初永玲,李绍春,王枚.非凸全变分正则化模糊图像复原模型研究[J].计算机工程与应用,2011,47(35):171-173. 被引量：3
7付诚,贾年.基于混合高斯模型和GPU的车辆闯红灯快速检测算法及实现[J].西华大学学报（自然科学版）,2012,31(2):9-13. 被引量：6
8郭相凤,贾建芳,葛中峰.图像序列的预处理与目标检测技术综述[J].传感器世界,2012,18(4):6-8. 被引量：4
9於时才,张文香,龚仁彬.智能视频监控中的一种快速运动目标检测方法[J].兰州理工大学学报,2012,38(2):82-86. 被引量：4
10郭春凤,何建农.基于KGMM改进的动态目标检测算法[J].计算机应用研究,2012,29(8):3189-3191. 被引量：1

同被引文献21

1黄伟,戴蓓蒨,李辉.基于分类特征空间高斯混合模型和神经网络融合的说话人识别[J].电子与信息学报,2004,26(10):1607-1612. 被引量：3
2于德介,程军圣,杨宇.基于EMD和AR模型的滚动轴承故障诊断方法[J].振动工程学报,2004,17(3):332-335. 被引量：48
3杨晓敏,何小海,吴炜,薛磊,陈默.基于高斯混合模型的车辆字符识别算法[J].光电子．激光,2007,18(4):487-490. 被引量：8
4RADU M,RINA D. AND/OR Branch-and-BoundSearch for Combinatorial Optimization in GraphicalModels[J]. Artificial Intelligence,2009,173(16):1457-1491.
5MAIZURA M, JOE H. Comparing the Online Learn-ing Capabilities of Gaussian ARTMAP and Fuzzy AR-TMAP for Building Energy Management Systems[J].Expert Systems with Applications, 2013,40(15):6007-6018.
6EMINA A,ABDULHAMIT S. Usage of SimplifiedFuzzy ARTMAP for Improvement of ClassificationPerformances[J], Southeast Europe Journal of SoftComputing, 2013,2(2) :93-97.
7杨超,李亦滔.基于信号预处理和Hilbert变换的滚动轴承故障诊断[J].华东交通大学,2012,29(4):1-4.
8Lee J, Qiu H, Yu G, et al. ' Bearing Data Set' , IMS, University of Cincinnati [ EB/OL ]. Moffett Field, CA : NASA Ames Prognostics Data Repository, 2007. http :/! ti. arc. nasa. gov/proj ect/prognostic-data-repository.
9郭磊,陈进.小波包熵在设备性能退化评估中的应用[J].机械科学与技术,2008,27(9):1203-1206. 被引量：10
10潘玉娜,陈进.结合循环平稳和支持向量数据描述的轴承性能退化评估研究[J].机械科学与技术,2009,28(4):442-445. 被引量：12

引证文献2

1公绪华,袁振涛,谭怀英.基于GMM和神经网络的辐射源识别方法[J].雷达科学与技术,2014,12(5):482-486. 被引量：2
2龙铭,文章,黄文艺,周建民,周继慧.滚动轴承故障程度评估的AR-GMM方法[J].机械科学与技术,2016,35(8):1183-1188. 被引量：6

二级引证文献8

1郭强,何友.基于云模型的DSm证据建模及雷达辐射源识别方法[J].电子与信息学报,2015,37(8):1779-1785. 被引量：12
2吴彤,高彩霞,付子义.基于改进EEMD、KPCA与RBF结合的变负载下滚动轴承故障程度识别[J].制造业自动化,2018,40(8):63-67. 被引量：3
3曾小钦,侯正男,庄圣贤,廖仲篪,鄢文.基于LSSVM和GMM的风电机组传动系统故障预测研究[J].可再生能源,2019,37(10):1533-1538. 被引量：9
4蔺美青,蔡轶.无源雷达目标识别的神经网络模型构建[J].雷达科学与技术,2019,17(5):557-563. 被引量：3
5王刚,肖黎,屈文忠.Lamb波高斯混合模型螺栓松动损伤检测[J].机械科学与技术,2020,39(4):493-500. 被引量：10
6房冠成,贾大鹏,刘毅飞,刘海涛.基于飞行参数数据挖掘的军机健康评估技术[J].航空学报,2020,41(6):289-299. 被引量：10
7陈世超,崔春雨,张华,马戈,朱凤华,商秀芹,熊刚.制造业生产过程中多源异构数据处理方法综述[J].大数据,2020,6(5):55-81. 被引量：25
8张龙,宋成洋,邹友军,洪闯,王朝兵.基于Renyi熵和K-medoids聚类的轴承性能退化评估[J].振动与冲击,2020,39(20):24-31. 被引量：21

1彭敏,傅慧,黄济民,黄佳佳,刘纪平.基于核主成分分析与小波变换的高质量微博提取[J].计算机工程,2016,42(1):180-186. 被引量：5
2李昌利,沈玉利.期望最大算法及其应用(2)[J].计算机工程与应用,2008,44(30):43-46. 被引量：3
3李昌利,沈玉利.期望最大算法及其应用(1)[J].计算机工程与应用,2008,44(29):61-64. 被引量：11
4廖晓锋,范修斌,姜青山.基于协方差的高斯混合模型参数学习算法[J].计算机科学,2013,40(11A):77-81. 被引量：4
5王学军,李智勇,王亮亮.基于自适应EM算法的光学图像海域分割[J].无线电工程,2011,41(4):20-22.
6任明艺,李晓峰,李在铭.一种基于马尔可夫随机场的运动目标检测算法(英文)[J].光电工程,2010,37(4):8-14.
7刘传砀,陆路希.基于EM算法的DPX谱混叠信号分离[J].电信技术研究,2015,0(4):1-5.
8葛玲玲,王浩,姚宏亮.基于改进SEM算法的基因调控网络构建方法[J].计算机应用研究,2010,27(2):450-452. 被引量：3
9申屠晗,郭云飞,薛安克.声探测网络延时概率多假设跟踪算法[J].计算机仿真,2011,28(1):352-355. 被引量：1
10席志红,赵蓝飞.高动态范围图像增强算法[J].计算机应用与软件,2014,31(5):202-205. 被引量：2

长江大学学报（自科版）（上旬）

2012年第11期

浏览历史

内容加载中请稍等...

基于期望最大算法的高斯混合模型参数估计被引量：2

参考文献11

二级参考文献44

共引文献86

同被引文献21

引证文献2

二级引证文献8

相关作者

相关机构

相关主题

浏览历史

基于期望最大算法的高斯混合模型参数估计 被引量：2

参考文献11

二级参考文献44

共引文献86

同被引文献21

引证文献2

二级引证文献8

相关作者

相关机构

相关主题

浏览历史

基于期望最大算法的高斯混合模型参数估计被引量：2