ƯỚC LƯỢNG THAM SỐ VÀ SỐ THÀNH PHẦN CỦA MÔ HÌNH GMM TRONG TRƯỜNG HỢP MỘT SỐ MẪU DỮ LIỆU KHÔNG QUAN SÁT ĐƯỢC

Tóm tắt

Mô hình hỗn hợp Gauss là một công cụ được sử dụng một cách hiệu quả để
mô tả phân bố của các tập dữ liệu không đồng nhất và thu thập từ nhiều đối
tượng/điều kiện khác nhau. Tuy nhiên trong một số tình huống thực tế, một
phần của tập dữ liệu có thể không quan sát được do bị “cắt”. Ví dụ, cảm biến trên
các điện thoại thông minh không thể đo được chỉ số cường độ của tín hiệu phát ra
từ một trạm thu/phát WiFi nếu chúng nhỏ hơn ngưỡng thu, ví dụ -100dBm. Khi
đó tất cả các phép đo có giá trị nhỏ hơn hoặc bằng -100dBm sẽ được trả về với
cùng một giá trị là -100dBm. Bài báo này đề xuất các thuật toán ước lượng các
tham số của hình hỗn hợp Gauss và số thành phần Gauss dựa trên thuật toán cực
đại hóa kỳ vọng và tổng phần thực của hàm đặc trưng. Các kết quả thực nghiệm
với tập dữ liệu mô phỏng chứng minh hiệu quả của các thuật toán được đề xuất
so với các công trình đã được công bố khi một phần của tập dữ liệu bị “cắt”.