Dirichlet还是Potts？
数据分析、统计与概率
2009-11-13 v1
摘要
当用高斯混合对一组数据的分布进行建模时，有两种可能性：i) 经典方法是使用一组参数，即比例、均值和方差；ii) 第二种方法是将比例视为离散值隐变量的概率。在第一种情况下，比例的常用先验分布是Dirichlet分布，这考虑了它们之和必须为一的事实。在第二种情况下，每个数据都关联一个隐变量，对此我们考虑两种可能性：a) 假设这些变量是独立同分布的。我们随后证明该方案等价于带有Dirichlet先验的经典混合模型；b) 假设具有马尔可夫结构。然后我们选择最简单的马尔可夫模型，即Potts分布。正如我们将看到的，对于数据代表图像像素且隐变量代表该图像分割的情况，该模型更为合适。本文的主要目的是详细介绍这些模型以及用于其模拟和参数估计的不同算法。关键词：高斯混合，Dirichlet，Potts，分类，分割。
引用
@article{arxiv.0705.2450,
title = {Dirichlet or Potts ?},
author = {Ali Mohammad-Djafari},
journal= {arXiv preprint arXiv:0705.2450},
year = {2009}
}
评论
10 pages. This work will be presented at MaxEnt07: http://www.maxent07.org