基于随机近似算法的贝叶斯可变形模型构造：收敛性研究
统计计算
2009-01-16 v2
摘要
基于原始数据中可变形模板的定义与估计生成模型的问题，对于建模受各类几何变异性影响的非对齐数据具有特别的重要性。这在计算机视觉社区的形状建模或计算解剖学（CA）的概率图谱构建中尤为如此。Allassonnière、Amit和Trouvé（JRSS 2006）提供了一个将几何变异性建模为隐变量的首个相干统计框架。他们在贝叶斯背景下设定该问题，证明了MAP估计量的一致性，并提供了一种具有EM风味的简单迭代确定性算法，在低噪声条件下可得到MAP估计量的合理近似。在本文中，我们提出了一种用于近似MAP估计量的随机算法，其精神源于SAEM算法。我们证明了其收敛至观测似然的临界点，并在手写数字图像上进行了说明。
引用
@article{arxiv.0706.0787,
title = {Construction of Bayesian Deformable Models via Stochastic Approximation Algorithm: A Convergence Study},
author = {Stéphanie Allassonnière and Estelle Kuhn and Alain Trouvé},
journal= {arXiv preprint arXiv:0706.0787},
year = {2009}
}