%0 Journal Article
%T 一种半监督机器学习的EM算法改进方法
%A 夏筱筠
%A 崔露露（
%A 张笑东（
%A 王帅（
%A 罗金鸣
%A 赵智阳（
%A ）
%J 中山大学学报（自然科学版）
%D 2020
%X 摘要 EM（Expectation Maximization）算法是含有隐变量（latent variable）的概率参数模型最大似然估计、极大后验概率估计最有效的算法，但很容易进入局部最优现象，对此提出基于半监督机器学习机制的EM算法.本文方法是在最大似然函数中加入惩罚最小二乘因子，同时引入非负约束作为先验信息，结合半监督机器学习方法，将EM算法改进转化为最小化求解问题，再采用最大似然方法求解EM模型，有效估计了混合矩阵和高斯混合模型参数，实现EM算法的改进.仿真结果表明，该方法能够很好地解决了EM算法容易局部最优化问题
%K 半监督机器学习
%K EM算法
%K 改进分析
%K 局部最优
%U http://xwxt.sict.ac.cn/CN/abstract/abstract5275.shtml