基于数据学习的高斯过程混合体的模型选择及其应用研究

项目名称： 基于数据学习的高斯过程混合体的模型选择及其应用研究

项目编号： No.61171138

项目类型： 面上项目

立项/批准年度： 2012

项目学科： 无线电电子学、电信技术

项目作者： 马尽文

作者单位： 北京大学

项目金额： 60万元

中文摘要： 由于高斯过程能够很好地刻画数据中的依赖性和时间变化特性，它可更有效地应用于数据的回归分析和分类等方面。对于具有复杂结构的数据，我们则需要将若干个高斯过程组合起来形成一种更强的学习系统对其进行建模和分析。这种组合形式便是高斯过程混合体模型，现已应用到了许多重要的信息处理领域。然而，这种混合体建模方法依赖于高斯过程（即分量）个数的正确选择。这就是所谓的模型选择问题。在某些特殊情况下，数据中的高斯过程的个数是已知的或可观察到的。但在多数情况下，它却是未知的，或难于直接判定的，而需要按照一定的理论与方法进行模型选择，即从对数据的学习中确定出分量个数。目前，人们对于高斯过程混合体的模型选择问题还缺乏理论上的分析和探索。本项目运用随机数学和学习理论与方法对这一模型选择问题进行深入分析和研究，解决其关键问题并建立有效的模型选择判定准则和学习算法，并将其应用到自动曲线检测和非线性时间序列预测等方面。

中文关键词： 统计学习；模型选择；高斯过程混合模型；EM算法；随机模拟

英文摘要：

英文关键词： Statistical learning；Model selection；Mixture of Gaussain processes；EM algorithm；Stochastic simulation