高斯混合建模与高斯过程潜变量模型
摘要：高维数据的密度建模非常困难。解决这个问题的一种方法是寻找一个能够捕捉数据主要特征的低维流形。最近，高斯过程潜变量模型（GPLVM）已成功应用于在各种复杂数据中找到低维流形。GPLVM由一个低维潜在空间中的一组点和一个从观测空间到潜在空间的随机映射组成。我们展示了如何将其解释为观测空间中的密度模型。然而，GPLVM并没有被训练为密度模型，因此给出了不好的密度估计。我们提出了一个新的训练策略，在几个基准数据集上进行比较评估，得到了改进的泛化性能和更好的密度估计。
作者：Hannes Nickisch and Carl Edward Rasmussen
论文ID：1006.3640
分类：Machine Learning
分类简称：stat.ML
提交时间：2010-07-14