论文部分内容阅读
随着互联网技术的高速发展，数据库的规模和复杂度不断增长，传统的分类方法已经不能满足复杂数据的分类需求，针对此类问题，提出了一种基于变分贝叶斯的数据分类算法。该算法在传统贝叶斯推断上引入变分近似理论，结合最大期望算法思想，利用统计物理中的平均场理论，并以混合高斯模型为例进行了实验仿真。实验结果证明，随机生成数据在经过382次迭代后，能明显看出由3组高斯模型混合而成，似然函数的下界随迭代次数增加不断上升，在350次迭代后曲线与预想一样趋于平缓，并且在误差允许的范围内得到接近真实数据的均值和逆协方差矩阵，实现其