贝叶斯可变形模型的构建：基于随机逼近算法的收敛性研究
摘要：基于可变形模板从原始数据中定义和估计生成模型的问题对于建模受各种几何变化影响的非对齐数据具有特殊重要性。这在计算机视觉社区的形状建模或计算解剖学（CA）的概率图建立中尤为如此。 Allassonnière、Amit和Trouvé（JRSS 2006）提供了一个一致的统计框架来将几何变异性建模为隐藏变量。他们将问题设定在贝叶斯环境中，证明了MAP估计量的一致性，并提供了一个简单的迭代确定性算法，带有EM风味，在低噪声条件下得到了MAP估计量的一些合理近似。在本文中，我们提出了一种用SAEM算法精确估计MAP估计量的随机算法。我们证明了它收敛到观察到的似然函数的临界点，并通过手写数字图像进行了说明。
作者：St''ephanie Allassonni`ere (CMAP), Estelle Kuhn (LAGA), Alain Trouv''e (CMLA)
论文ID：0706.0787
分类：Computation
分类简称：stat.CO
提交时间：2009-01-16