Inferência em modelos de mistura via algoritmo EM estocástico modificado
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | http://www.teses.usp.br/teses/disponiveis/104/104131/tde-11092017-093254/ |
Resumo: | 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. |
id |
USP_f0c7c34835546d8c87a4ca5df608fba9 |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-11092017-093254 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Inferência em modelos de mistura via algoritmo EM estocástico modificadoInference on Mixture Models via Modified Stochastic EMAlgoritmo EMCadeia de MarkovEM algorithmGibbs samplingGibbs SamplingImage segmentationMarkov chainMistura de DistribuiçõesMixture modelsMixture of distributionsModelos de MisturaSegmentação de imagensApresentamos 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.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.Biblioteca Digitais de Teses e Dissertações da USPMilan, Luis AparecidoAssis, Raul Caram de2017-06-02info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/104/104131/tde-11092017-093254/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2018-07-17T16:38:18Zoai:teses.usp.br:tde-11092017-093254Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212018-07-17T16:38:18Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Inferência em modelos de mistura via algoritmo EM estocástico modificado Inference on Mixture Models via Modified Stochastic EM |
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 Algoritmo EM Cadeia de Markov EM algorithm Gibbs sampling Gibbs Sampling Image segmentation Markov chain Mistura de Distribuições Mixture models Mixture of distributions Modelos de Mistura Segmentação de imagens |
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.none.fl_str_mv |
Milan, Luis Aparecido |
dc.contributor.author.fl_str_mv |
Assis, Raul Caram de |
dc.subject.por.fl_str_mv |
Algoritmo EM Cadeia de Markov EM algorithm Gibbs sampling Gibbs Sampling Image segmentation Markov chain Mistura de Distribuições Mixture models Mixture of distributions Modelos de Mistura Segmentação de imagens |
topic |
Algoritmo EM Cadeia de Markov EM algorithm Gibbs sampling Gibbs Sampling Image segmentation Markov chain Mistura de Distribuições Mixture models Mixture of distributions Modelos de Mistura Segmentação de imagens |
description |
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. |
publishDate |
2017 |
dc.date.none.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.uri.fl_str_mv |
http://www.teses.usp.br/teses/disponiveis/104/104131/tde-11092017-093254/ |
url |
http://www.teses.usp.br/teses/disponiveis/104/104131/tde-11092017-093254/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1809090626179825664 |