Parsimonious variational-Bayes mixture aggregation with a Poisson prior

Abstract : This paper addresses merging of Gaussian mixture models, which answers growing needs in e.g. distributed pattern recognition. We propose a probabilistic model over the parameter set, that extends the weighted bipartite matching problem to our mixture aggregation task. We then derive a variational- Bayes associated estimation algorithm, that ensure low cost and parsimony, as confirmed by experimental results.
Type de document :
Communication dans un congrès
EURASIP. European Signal Processing Conference (Eusipco'2009), Aug 2009, Glasgow, United Kingdom. pp.280-284, 2009
Liste complète des métadonnées

Littérature citée [10 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00383945
Contributeur : Marc Gelgon <>
Soumis le : mercredi 13 mai 2009 - 21:46:16
Dernière modification le : jeudi 11 janvier 2018 - 01:52:38
Document(s) archivé(s) le : lundi 15 octobre 2012 - 10:25:18

Fichier

eusip.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00383945, version 1

Collections

Citation

Pierrick Bruneau, Marc Gelgon, Fabien Picarougne. Parsimonious variational-Bayes mixture aggregation with a Poisson prior. EURASIP. European Signal Processing Conference (Eusipco'2009), Aug 2009, Glasgow, United Kingdom. pp.280-284, 2009. 〈inria-00383945〉

Partager

Métriques

Consultations de la notice

301

Téléchargements de fichiers

102