1. 毕业设计（论文）主要内容：
EM算法又称期望最大化算法，是求参数极大似然估计的一种迭代优化策略，它可以从非完整数据集中对参数进行极大似然估计，是一种非常简单实用的学习算法。这种方法可以广泛地应用于处理缺损数据，截尾数据，带有噪声等所谓的不完全数据，算法是在缺失数据等不完全数据下进行参数的极大似然估计或者极大后验估计一种行之有效的方法。
设计主要内容包括：了解EM算法的研宄背景意义以及国内外研宄现状；掌握EM算法优化迭代的理论和一般步骤，并针对算法不足对其进行改进。
2. 毕业设计（论文）主要任务及要求
1.掌握EM算法的原理及实现步骤，并对其进行改进。
2.阅读的参考文献不少于15篇（其中近五年外文文献不少于3篇)。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 毕业设计（论文）完成任务的计划与安排
第1－2周：查阅相关文献资料，明确研究内容，确定方案，完成开题报告。
第3－6周：学习EM算法。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
4. 主要参考文献
[1]王继霞，刘次华缺失数据下多元正态模型算法[J].郑州大学学报：理学版，2011，43(3):59-61.
[2]连军艳.EM算法及其改进在混合模型参数估计中的应用研究[D].长安大学，2006
[3]杨基栋.EM算法理论及其应用[J].安庆师范学院学报：自然科学版，2009，15(4):30-35.
[4]R. D. Nowak. Distributed EM algorithms for density estimation and clustering in sensor networks[j]. IEEE Trans. Signal Process, 2003, 51(8): 2245-2253.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
