混合高斯模型背景建模
汇报人:
2015/1/25
1
EM算法
EM算法是一种迭代算法,用于含有隐含变量的概率模
型参数的极大似然估计,或极大后验概率估计。
EM算法的每次迭代由两步组成:E步,求期望
(expection);M步,求极大(maximization)。
2015/1/25
混合高斯模型背景建模
2
EM算法
n 算法引入
算法距离:
(三硬币模型)假设有3枚硬币,分别记作A,B,C。这些硬
币正面出现的概率分别是π,p和q。进行如下抛硬币实验:先抛硬
币A,根据其结果选出硬币B或硬币C,正面选硬币B,反面选硬币C;
抛选出的硬币,出现正面记作1,出现反面记作0;独立地重复n次实
验(这里,n=10),观测结果如下:
1,1,0,1,0,0,1,0,1,1
假设只能观测到抛硬币的结果,不能观测抛硬币的过程。问如何估
计三枚硬币正面出现的概率,即三硬币模型参数。
2015/1/25
混合高斯模型背景建模
3
EM算法
解:三硬币模型可以写作
(
yP
|
)
|(
zP
()
|
zyP
)
,
,(
zyP
|
)
z
1
)
p
z
1(
(1)
1(
y
1(πp
π)q
1
)
q
y
y
y
这里,随机变量y是观测变量,表示一次试验观测的结果是
1或0;随机变量z是隐变量,表示未观测到的抛硬币A的结果;
θ=(π,p,q)是模型参数。其中,y的数据可以观测,z的数据
不可观测。
Y
将观测数据表示为 ,未观测数据表示为
则观测数据的似然函数为
(2)
()
ZYP
(
,
YY
1
2
(
ZP
(
YP
,
)
)
,...,
ZZ
1
,
nY
)
Z
|
|
|
(
T
z
,...,
nZ
T
)
2
2015/1/25
混合高斯模型背景建模
4
EM算法
n
j
1
|
)
πp[
(
YP
即
]
(3)
考虑求模型参数θ=(π,p,q)的极大似然估计,即
(4)
1(q)π1(
(
YP
q
1
)
p
1
)
|
)
log
arg
ˆ
y
j
1(
y
j
y
j
y
j
max
这个问题没有解析解,只有通过迭代的方法求解。EM算法就
是可以用于求解这个问题的一种迭代算法。
2015/1/25
混合高斯模型背景建模
5
EM算法
n 算法推导
我们面对一个含有隐变量的概率模型,目标是极大化观测
数据(不完全数据)Y关于参数θ的对数似然函数,即极大
化
L
(
)
(
YP
|
)
log
ZYP
(
,
|
)
log
Z
Z
,
))
log(
(5)
(5)中有未观测变量并有包含和(或积分)的对数,进行(求
导)极大化比较困难。
ZYP
ZP
(
,)
(
|
|
2015/1/25
混合高斯模型背景建模
6
EM算法
EM算法通过逐步迭代近似极大化L(θ)。假设在第i次迭
代后θ的估计值 。我们希望新估计值θ能使L(θ)增
加,即 ,并逐步达到最大值。为此考虑两者的
差:
)(i是
(i)
)θ(
(
L
L
)
L
)(
L
)(
i
(
)
log(
Z
(
ZYP
|
,
()
ZP
|
))
log
(
YP
)(
i
|
)
利用Jensen不等式得到其下界:
(
)
(
|
,
ZYP
ZP
)
)(
i
|
,
(
YZP
)
)(
i
)(
log(
L
L
)
(
log
(
YP
|
)(
i
)
)
|
)
)
log
(
YP
)(
i
|
)
|
)(
i
,
(
YZP
Z
(
)
,
|
(
ZYP
ZP
)(
i
|
(
,
YZP
)
(
|
,
ZYP
)(
i
)
,
(
YZP
|
)
(
ZP
(
YP
|
)
|
)(
i
|
)
Z
(
YZP
|
)(
i
,
log)
Z
(
YZP
|
)(
i
,
log)
2015/1/25
混合高斯模型背景建模
7
EM算法
(
YZP
|
)(
i
,
1)
Z
其中
Jensen不等式:
若f是凸函数,X是随机变量,那么 ,当且仅当
(
XEXP
,即X为常量时去等号。Jensen不等式应用于凹函
数时,不等号取反。
[
XfE
EX
))
)]
1
(
(
(
)
f
k
)
x
p
log函数为凹函数,Y为X的函数:Y=g(X),X为离散随机变量时,
(
XP
,k=1,2,3...,若 绝对收敛,则 。
这里Y对应 ,X对应Z,Pk对 ,g是Z到
的映射。那么 为EY,Elog(Y)为
)(iYZP
|(
,
)|(),
|()
ZPZYP
)(
i
,
)
|(
YZP
(
)
,
ZP
)(i
|
,
YZP
k pxg )
)(
i
,
|(
YZP
|
ZYP
(
(
xgp
k
)(
YE
)
)
|
)
)
(
(
k
k
k
Z
k
k
)|
(
(),
|
ZPZYP
)(iYZP
,
(
|
)
,|(
YZP
)(
i
log)
。
Z
)|(),
|(
ZPZYP
)(
i
,|(
)
YZP
2014/12/11
混合高斯模型背景建模
8