Inferência em modelos de mistura via algoritmo EM estocástico modificado

Detalhes bibliográficos
Autor(a) principal: Assis, Raul Caram de
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFSCAR
Texto Completo: https://repositorio.ufscar.br/handle/ufscar/9047
Resumo: We present the topics and theory of Mixture Models in a context of maximum likelihood and Bayesian inferece. We approach clustering methods in both contexts, with emphasis on the stochastic EM algorithm and the Dirichlet Process Mixture Model. We propose a new method, a modified stochastic EM algorithm, which can be used to estimate the parameters of a mixture model and the number of components.
id SCAR_6b71c98974cbf942e3f94bb4b3482226
oai_identifier_str oai:repositorio.ufscar.br:ufscar/9047
network_acronym_str SCAR
network_name_str Repositório Institucional da UFSCAR
repository_id_str 4322
spelling Assis, Raul Caram deMilan, Luis Aparecidohttp://lattes.cnpq.br/7435391829973844http://lattes.cnpq.br/07870985162520919bb45bdf-9f11-425c-ac14-0a1f64521af12017-08-22T14:32:50Z2017-08-22T14:32:50Z2017-06-02ASSIS, Raul Caram de. Inferência em modelos de mistura via algoritmo EM estocástico modificado. 2017. Dissertação (Mestrado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2017. Disponível em: https://repositorio.ufscar.br/handle/ufscar/9047.https://repositorio.ufscar.br/handle/ufscar/9047We present the topics and theory of Mixture Models in a context of maximum likelihood and Bayesian inferece. We approach clustering methods in both contexts, with emphasis on the stochastic EM algorithm and the Dirichlet Process Mixture Model. We propose a new method, a modified stochastic EM algorithm, which can be used to estimate the parameters of a mixture model and the number of components.Apresentamos o tópico e a teoria de Modelos de Mistura de Distribuições, revendo aspectos teóricos e interpretações de tais misturas. Desenvolvemos a teoria dos modelos nos contextos de máxima verossimilhança e de inferência bayesiana. Abordamos métodos de agrupamento já existentes em ambos os contextos, com ênfase em dois métodos, o algoritmo EM estocástico no contexto de máxima verossimilhança e o Modelo de Mistura com Processos de Dirichlet no contexto bayesiano. Propomos um novo método, uma modificação do algoritmo EM Estocástico, que pode ser utilizado para estimar os parâmetros de uma mistura de componentes enquanto permite soluções com número distinto de grupos.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)porUniversidade Federal de São CarlosCâmpus São CarlosPrograma Interinstitucional de Pós-Graduação em Estatística - PIPGEsUFSCarModelos de misturaMistura de distribuiçõesAlgoritmo EMCadeia de MarkovSegmentação de imagensMixture modelsMixture of distributionsEM algorithmMarkov chainGibbs samplingImage segmentationCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICAInferência em modelos de mistura via algoritmo EM estocástico modificadoInference on mixture models via modified stochastic EM algorithminfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisOnline60060001874dfd-bd1b-409c-81e8-3185c83eacf2info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFSCARinstname:Universidade Federal de São Carlos (UFSCAR)instacron:UFSCARORIGINALDissRCA.pdfDissRCA.pdfapplication/pdf1727058https://repositorio.ufscar.br/bitstream/ufscar/9047/1/DissRCA.pdf78d5444e767bf066e768b88a3a9ab535MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81957https://repositorio.ufscar.br/bitstream/ufscar/9047/2/license.txtae0398b6f8b235e40ad82cba6c50031dMD52TEXTDissRCA.pdf.txtDissRCA.pdf.txtExtracted texttext/plain104441https://repositorio.ufscar.br/bitstream/ufscar/9047/3/DissRCA.pdf.txtc71892e05ca2564729adc30f0e56b624MD53THUMBNAILDissRCA.pdf.jpgDissRCA.pdf.jpgIM Thumbnailimage/jpeg5521https://repositorio.ufscar.br/bitstream/ufscar/9047/4/DissRCA.pdf.jpgfaa7172b95c5ccbfb4f670784bde7c02MD54ufscar/90472023-09-18 18:31:25.737oai:repositorio.ufscar.br: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Repositório InstitucionalPUBhttps://repositorio.ufscar.br/oai/requestopendoar:43222023-09-18T18:31:25Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)false
dc.title.por.fl_str_mv Inferência em modelos de mistura via algoritmo EM estocástico modificado
dc.title.alternative.eng.fl_str_mv Inference on mixture models via modified stochastic EM algorithm
title Inferência em modelos de mistura via algoritmo EM estocástico modificado
spellingShingle Inferência em modelos de mistura via algoritmo EM estocástico modificado
Assis, Raul Caram de
Modelos de mistura
Mistura de distribuições
Algoritmo EM
Cadeia de Markov
Segmentação de imagens
Mixture models
Mixture of distributions
EM algorithm
Markov chain
Gibbs sampling
Image segmentation
CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA
title_short Inferência em modelos de mistura via algoritmo EM estocástico modificado
title_full Inferência em modelos de mistura via algoritmo EM estocástico modificado
title_fullStr Inferência em modelos de mistura via algoritmo EM estocástico modificado
title_full_unstemmed Inferência em modelos de mistura via algoritmo EM estocástico modificado
title_sort Inferência em modelos de mistura via algoritmo EM estocástico modificado
author Assis, Raul Caram de
author_facet Assis, Raul Caram de
author_role author
dc.contributor.authorlattes.por.fl_str_mv http://lattes.cnpq.br/0787098516252091
dc.contributor.author.fl_str_mv Assis, Raul Caram de
dc.contributor.advisor1.fl_str_mv Milan, Luis Aparecido
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/7435391829973844
dc.contributor.authorID.fl_str_mv 9bb45bdf-9f11-425c-ac14-0a1f64521af1
contributor_str_mv Milan, Luis Aparecido
dc.subject.por.fl_str_mv Modelos de mistura
Mistura de distribuições
Algoritmo EM
Cadeia de Markov
Segmentação de imagens
topic Modelos de mistura
Mistura de distribuições
Algoritmo EM
Cadeia de Markov
Segmentação de imagens
Mixture models
Mixture of distributions
EM algorithm
Markov chain
Gibbs sampling
Image segmentation
CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA
dc.subject.eng.fl_str_mv Mixture models
Mixture of distributions
EM algorithm
Markov chain
Gibbs sampling
Image segmentation
dc.subject.cnpq.fl_str_mv CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA
description We present the topics and theory of Mixture Models in a context of maximum likelihood and Bayesian inferece. We approach clustering methods in both contexts, with emphasis on the stochastic EM algorithm and the Dirichlet Process Mixture Model. We propose a new method, a modified stochastic EM algorithm, which can be used to estimate the parameters of a mixture model and the number of components.
publishDate 2017
dc.date.accessioned.fl_str_mv 2017-08-22T14:32:50Z
dc.date.available.fl_str_mv 2017-08-22T14:32:50Z
dc.date.issued.fl_str_mv 2017-06-02
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv ASSIS, Raul Caram de. Inferência em modelos de mistura via algoritmo EM estocástico modificado. 2017. Dissertação (Mestrado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2017. Disponível em: https://repositorio.ufscar.br/handle/ufscar/9047.
dc.identifier.uri.fl_str_mv https://repositorio.ufscar.br/handle/ufscar/9047
identifier_str_mv ASSIS, Raul Caram de. Inferência em modelos de mistura via algoritmo EM estocástico modificado. 2017. Dissertação (Mestrado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2017. Disponível em: https://repositorio.ufscar.br/handle/ufscar/9047.
url https://repositorio.ufscar.br/handle/ufscar/9047
dc.language.iso.fl_str_mv por
language por
dc.relation.confidence.fl_str_mv 600
600
dc.relation.authority.fl_str_mv 01874dfd-bd1b-409c-81e8-3185c83eacf2
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de São Carlos
Câmpus São Carlos
dc.publisher.program.fl_str_mv Programa Interinstitucional de Pós-Graduação em Estatística - PIPGEs
dc.publisher.initials.fl_str_mv UFSCar
publisher.none.fl_str_mv Universidade Federal de São Carlos
Câmpus São Carlos
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSCAR
instname:Universidade Federal de São Carlos (UFSCAR)
instacron:UFSCAR
instname_str Universidade Federal de São Carlos (UFSCAR)
instacron_str UFSCAR
institution UFSCAR
reponame_str Repositório Institucional da UFSCAR
collection Repositório Institucional da UFSCAR
bitstream.url.fl_str_mv https://repositorio.ufscar.br/bitstream/ufscar/9047/1/DissRCA.pdf
https://repositorio.ufscar.br/bitstream/ufscar/9047/2/license.txt
https://repositorio.ufscar.br/bitstream/ufscar/9047/3/DissRCA.pdf.txt
https://repositorio.ufscar.br/bitstream/ufscar/9047/4/DissRCA.pdf.jpg
bitstream.checksum.fl_str_mv 78d5444e767bf066e768b88a3a9ab535
ae0398b6f8b235e40ad82cba6c50031d
c71892e05ca2564729adc30f0e56b624
faa7172b95c5ccbfb4f670784bde7c02
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFSCAR - Universidade Federal de São Carlos (UFSCAR)
repository.mail.fl_str_mv
_version_ 1813715579142406144

Registros relacionados