论文部分内容阅读
在数据处理中，高斯混合模型是一种非常有效的概率模型并对此已经建立了一些有效的参数学习算法，如EM算法。但随着数据的不断积累，出现了大尺度数据源。如果直接使用这些大尺度的数据，传统的参数学习算法会耗费掉大量的时间，并占用巨大的储存空间，甚至是不可行的。为了解决这一问题，本文提出了基于FSCL(Frequencysensitivity Competitive Learning)算法进行数据尺度压缩的方案，并将其应用于EM算法。通过模拟数据的实验验证了这种尺度压缩方案的可行性和有效性。