• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and computing >A Bayesian method for identifying independent sources of non-random spatial patterns
【24h】

A Bayesian method for identifying independent sources of non-random spatial patterns

机译：用于识别非随机空间模式的独立来源的贝叶斯方法

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

A Bayesian blind source separation (BSS) algorithm is proposed in this paper to recover independent sources from observed multivariate spatial patterns. As a widely used mechanism, Gaussian mixture model is adopted to represent the sources for statistical description and machine learning. In the context of linear latent variable BSS model, some conjugate priors are incorporated into the hyperparameters estimation of mixing matrix. The proposed algorithm then approximates the full posteriors over model structure and source parameters in an analytical manner based on variational Bayesian treatment. Experimental studies demonstrate that this Bayesian source separation algorithm is appropriate for systematic spatial pattern analysis by modeling arbitrary sources and identify their effects on high dimensional measurement data. The identified patterns will serve as diagnosis aids for gaining insight into the nature of physical process for the potential use of statistical quality control.
机译：本文提出了一种贝叶斯盲源分离（BSS）算法，以从观测到的多元空间格局中恢复独立的源。作为一种广泛使用的机制，采用高斯混合模型来表示统计描述和机器学习的来源。在线性潜在变量BSS模型的背景下，一些共轭先验被合并到混合矩阵的超参数估计中。然后，基于变分贝叶斯处理，该算法以解析的方式逼近模型结构和源参数的全部后验。实验研究表明，该贝叶斯源分离算法通过对任意源进行建模并确定其对高维测量数据的影响，适用于系统的空间模式分析。所识别的模式将用作诊断辅助工具，以深入了解物理过程的本质，以供潜在地使用统计质量控制。

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