问题标签 [expectation-maximization]

我想实现一个图像重新着色算法来产生类似于这里显示的结果：

http://www.morethantechnical.com/2010/06/24/image-recoloring-using-gaussian-mixture-model-and-expectation-maximization-opencv-wcode/

但使用 Python。但是，我不确定从哪里开始。我一直在玩 OpenCV，但文章中提到的函数（期望最大化和 GMM）似乎在 Python API 中不可用。可以在某种程度上指出我应该使用哪些工具/库的正确方向吗？

我正在使用 EM 训练一个隐马尔可夫模型，并且想要估计我对学习参数的“确定性”程度（即估计的转换、发射和先验概率）。一般来说，不同的初始条件会导致不同的参数，但在许多情况下，不同的参数具有相似的可能性。

我正在寻找某种方法来探测可能性地形以估计局部最大值的数量，以便更好地了解我可能得到的不同结果。（运行算法需要很长时间，所以我无法运行足够的时间来进行“幼稚”的敏感性分析）任何标准方法可以做到这一点？

使用下面的这个程序，我会得到错误：

我想使用 EM 算法来估算缺失值。如果缺失值很小（从数据集的 5% 到 20%），这个函数可以工作。但是如果缺失值大于数据集的 30%，运行程序我会得到上述错误。我很困惑，迫切需要帮助，非常感谢。

我计划使用 Java Weka库的 EM 算法来为对象分配概率，使其位于某个集群中，然后使用这些概率。

此外，这些对象的属性将从数据库中加载，因此我想直接从内存中将它们加载到集群器中，而不是像我在网上找到的示例中那样将它们转储到 arff 文件中（例如Serialization） .

首先，我想知道 Weka 库是否适合我的目的，是否存在另一个库，例如 Apache Commons Math。

其次，是否有任何示例不管理任何文件以创建实例？

如果有任何帮助，我将不胜感激。

我们有一组带有出租车位置的序列。我们希望通过考虑数据行中的顺序模式来对数据进行聚类。例如：T1、T2、T3、T4 是行程，a、b、c、d、e 是一组地点。我们拥有的数据是这样的，

• T1 bcbad
• T2一
• T3 abababced
• T4 bcdcbdca

但问题是数据的长度是不可变的。我们如何使用 EM 对这些类型的数据进行聚类。由于它不接受可变长度数据，因此我们可以自定义它。

我的python代码如下......它需要永远。一定有一些我可以使用的 numpy 技巧？我正在分析的图片很小而且是灰度的......

我只包括了期望步骤，因为虽然最大化步骤循环遍历矩阵责任数组的每个元素，但它似乎走得相对较快（所以瓶颈可能是所有 gaussian_probability 计算？）

首先，让我们看一下mydata：

mydata 的整体大小小于 20Mb。

现在，我想用 mydata 进行集群，我Mclust()在 package中使用mclust，这被称为 EM（期望最大化）。

令我惊讶的是，在我输入代码后，我等了一个多小时才得到结果，是一个错误。详细信息是：

mydata和我的代码出了什么问题，如果我想用mydata进行集群怎么办？

我已经在我的图像上应用了期望最大化。但是当我运行可执行文件时，它会显示一个透明屏幕。谁能告诉我我的代码有什么问题？谢谢

这是我的代码

我试图得到这个函数的结果：

C++：

我的问题是如何获得covs？我不断收到编译错误。这是我的代码。

我得到错误说

引用变量“covs”的声明需要一个初始化器。

(1) 这是从 getCovs 获取数据的正确方法，或者

(2) 我需要像错误所示那样初始化“covs”。

我尝试实现 GMM，但在 em 算法中遇到了一些问题。

假设我有用于训练 GMM 的 3D 样本（stat1、stat2、stat3）。

我的一个 GMM 训练集几乎在每个样本中都有一个 stat1 的“0”。在训练期间，我在协方差矩阵的第一行和第一列中得到非常小的数字（如“1.4456539880060609E-124”），这在 EM 算法的下一次迭代中导致第一行和第一列中的 0.0。

我得到这样的东西：

我需要逆协方差矩阵来计算密度，但由于一列为零，我不能这样做。

我想过回到旧的协方差矩阵（和均值），或者用一个非常小的数字替换每个 0。

或者这个问题有另一个简单的解决方案吗？