周秀玲;郭平;陈，C.L.菲利普 基于MDL原理的正则协方差矩阵估计。 （英语） Zbl 1395.62180号 Liu，Derong（编辑）等人，《智能控制与信息处理的前沿》。新泽西州哈肯萨克：世界科学（ISBN 978-981-4616-87-4/hbk；978-981-4616-89-8/电子书）。407-430 (2015). 小结：当高斯混合模型（GMM）用于高维小样本问题的分类时，样本协方差矩阵的估计将是奇异的，这可能导致分类精度较低或无法获得可信的结果。KLIM是为解决该问题而提出的一种正则化方法。然而，KLIM中的正则化参数是单一且固定的，这使得它适合于某类问题。在本章中，在最小描述长度（MDL）原则的框架下，研究了KLIM的扩展。一种是多正则化参数协方差矩阵估计，另一种是可变正则化参数的协方差矩阵估算。在所开发的方法中，基于MDL原理，正则化参数是根据KL发散最小的准则选择的，并通过二阶泰勒展开进行有效逼近。通过实验研究验证了所开发方法的可行性和有效性。关于整个系列，请参见[Zbl 1310.68015号]. MSC公司： 62H30型 分类和区分；聚类分析（统计方面） 62甲12 多元分析中的估计 关键词：协方差矩阵估计;高斯混合模型 PDF格式BibTeX公司 XML格式引用 \textit{X.Zhou}等人，in：智能控制和信息处理的前沿。新泽西州哈肯萨克：《世界科学》。407--430（2015年；Zbl 1395.62180） 全文： 内政部