...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Signal Processing Magazine >Cyclic minimizers, majorization techniques, and the expectation-maximization algorithm: a refresher
【24h】

Cyclic minimizers, majorization techniques, and the expectation-maximization algorithm: a refresher

机译：循环最小化器，主要化技术和期望最大化算法：复习

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Many parameter estimation problems in signal processing can be reduced to the task of minimizing a function of the unknown parameters. This task is difficult owing to the existence of possibly local minima and the sharpness of the global minimum. In this article we review three approaches that can be used to minimize functions of the type encountered in parameter estimation problems. The first two approaches, the cyclic minimization and the majorization technique, are quite general, whereas the third one, the expectation-maximization (EM) algorithm, is tied to the use of the maximum likelihood (ML) method for parameter estimation. The article provides a quick refresher of the aforementioned approaches for a wide readership.
机译：信号处理中的许多参数估计问题可以减少到最小化未知参数函数的任务。由于可能存在局部最小值和全局最小值的尖锐性，因此此任务很困难。在本文中，我们回顾了三种可用于最小化参数估计问题中遇到的类型函数的方法。前两种方法（循环最小化和主化技术）非常通用，而第三种方法是期望最大化（EM）算法，它与使用最大似然（ML）方法进行参数估计有关。本文为广大读者提供了上述方法的快速入门。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号