交叉融合策略以实现更好的EM爬山与DA场探索：图解指南

近年来，针对基于数据增广的模型拟合程序，已发展出多种扩展与改进方法。这些发展旨在扩展应用范围、提高速度和/或简化数据增广方法的实现，例如用于模式发现的确定性EM算法，以及用于后验抽样的随机吉布斯采样器和其他基于辅助变量的方法。在这篇综述文章中，我们以图解方式说明并比较了其中的一些扩展方法，所有这些方法都旨在保持其前身的简洁性和计算稳定性。在寻求更高效的计算策略时，我们特别强调了识别确定性方法与随机方法之间相似性的用处。我们还利用一个用于卫星望远镜（如钱德拉X射线天文台）数据的高能高分辨率光谱成像模型，展示了数据增广方法在处理具有高度层次结构的复杂模型时的适用性。