期望最大算法的优化及其在神经放电尖峰分类中的应用
全部作者： 尹海兵 胡德文 刘亚东 李明 王玉成 第1作者单位： 国防科技大学机电工程与自动化学院自动控制系摘要： 近年来，包括了基于多元t分布混合模型的期望最大算法(EM)在内的多种自动实现神经放电尖峰(spike)分类的方法不断得到发展。然而，研究表明，EM算法具有线性收敛性，对于神经放电尖峰的分类来说，由于计算时间的消耗而显得不太适用。本文介绍了1种优化的EM算法，它基于多元t分布混合模型，可以实现有效地神经放电尖峰的分类。在神经放电尖峰的高维特征空间内，算法利用梯度上升原理对EM算法进行了优化，在仿真和实际数据中的应用表明，优化后的算法具有更好的收敛速度和更好的鲁棒性，更适合应用于神经放电尖峰的分类。 关键词： 神经放电尖峰分类、期望最大算法、梯度上升 (浏览全文) 发表日期： 2008年04月10日 同行评议：
（暂时没有）
综合评价： （暂时没有） 修改稿：【期望最大算法的优化及其在神经放电尖峰分类中的应用】相关文章：
遗传算法及其在求解TSP中的应用03-07
人工神经网络模型及其在优化问题中的应用03-07
模拟退火算法在匹配场定位优化中的应用03-07
MCMC算法在MIMO系统检测中的应用03-07
LonWorks及其在智能小区中的应用03-21
目标规划及其在经济中的应用12-26
Relay技术及其在WiMAX中的应用03-07
MPEG-4中基于三系数DCT的算法优化03-07
词组堆迭句及其在翻译中的应用03-14