面向鲁棒分布式估计的扩散最大相关熵准则算法
机器学习
2016-02-04 v2 机器学习
摘要
基于最大相关熵准则（MCC）的鲁棒扩散自适应估计算法，包括自适应至组合MCC和组合至自适应MCC，被开发用于处理脉冲（长尾）噪声环境下网络上的分布式估计。分布式估计中使用的代价函数通常基于均方误差（MSE）准则，这在测量噪声为高斯噪声时是理想的。在非高斯情况下，例如脉冲噪声情形，基于MCC的方法由于考虑了误差分布的高阶统计量，可能获得远优于MSE方法的性能。所提出的方法也能优于鲁棒扩散最小平均p功率（DLMP）和扩散最小误差熵（DMEE）算法。本文还对新型算法进行了均值和均方收敛性分析。
引用
@article{arxiv.1508.01903,
title = {Diffusion Maximum Correntropy Criterion Algorithms for Robust Distributed Estimation},
author = {Wentao Ma and Badong Chen and Jiandong Duan and Haiquan Zhao},
journal= {arXiv preprint arXiv:1508.01903},
year = {2016}
}
备注
17 pages,10 figures