隐式Potts模型逆温度的可扩展贝叶斯推断
统计计算
2018-08-20 v3
摘要
Potts模型的逆温度参数控制着空间凝聚力的大小，因此对模型拟合结果具有重大影响。困难在于，该参数的取值依赖于一个不可处理的配分函数，因此无法直接从后验分布中进行采样。有多种无需计算配分函数即可从后验分布中采样的计算方法，包括交换算法和近似贝叶斯计算（ABC）。这些算法的一个严重缺点是在状态空间很大的模型（如百万像素级别的图像）中扩展性不佳。我们引入了一个参数化代理模型，利用积分曲线近似得分函数。该代理模型结合了似然函数的已知性质，如异方差性和临界温度。我们使用合成数据以及Landsat-8卫星的遥感影像对该方法进行了验证。与交换算法或ABC相比，我们的方法在运行时间上实现了高达一百倍的提升。我们算法的开放源代码实现可在R包"bayesImageS"中获得。
引用
@article{arxiv.1503.08066,
title = {Scalable Bayesian Inference for the Inverse Temperature of a Hidden Potts Model},
author = {Matthew T. Moores and Geoff K. Nicholls and Anthony N. Pettitt and Kerrie Mengersen},
journal= {arXiv preprint arXiv:1503.08066},
year = {2018}
}