Inferência em modelos de mistura via algoritmo EM estocástico modificado

• Ano de defesa: 2017
• Autor(a) principal: Assis, Raul Caram de
• Orientador(a): Milan, Luis Aparecido
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de São Carlos; Câmpus São Carlos
• Programa de Pós-Graduação: Programa Interinstitucional de Pós-Graduação em Estatística - PIPGEs
• Palavras-chave em Português: Modelos de mistura; Mistura de distribuições; Algoritmo EM; Cadeia de Markov; Segmentação de imagens
• Palavras-chave em Inglês: Mixture models; Mixture of distributions; EM algorithm; Markov chain; Gibbs sampling; Image segmentation
• Área do conhecimento CNPq: CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA
• Link de acesso: https://repositorio.ufscar.br/handle/20.500.14289/9047

We present the topics and theory of Mixture Models in a context of maximum likelihood and Bayesian inferece. We approach clustering methods in both contexts, with emphasis on the stochastic EM algorithm and the Dirichlet Process Mixture Model. We propose a new method, a modified stochastic EM algorithm, which can be used to estimate the parameters of a mixture model and the number of components.