吉布斯采样matlab代码-dpmm-gmm:广义锦葵模型的Dirichlet过程混合物

【文件属性】：

文件名称：吉布斯采样matlab代码-dpmm-gmm:广义锦葵模型的Dirichlet过程混合物

文件大小：106KB

文件格式：ZIP

更新时间：2024-06-16 23:43:53

系统开源

吉布斯采样matlab代码dpmm-gmm 广义锦葵模型的Dirichlet过程混合物，有效的C / Matlab MCMC采样，适用于广义锦葵模型的Dirichlet过程混合物，在本文中进行了描述。 Marina Meil​​a和Harr Chen“排名数据的贝叶斯非参数聚类” IEEE-TPAMI，将于2015年出现 如果您使用此代码，请引用该论文。 作者：Harr Chen Marina Meil​​a 共性 v4/ the Slice-Gibbs and Beta-Gibbs sampler exact/ the Exact-Beta-Gibbs sampler Beta-Gibbs 对于前t个排名（其中t <n-10，n是一个完整排列的长度），它是快速而精确的。 对于接近n的t，Beta-Gibbs是一个近似采样器 确切的Beta-Gibbs 当参数t0足够大时，对于没有Beta-Gibbs的情况，它是精确的采样器。 通过实验，我们发现t0 = 11就足够了。 确切的Beta-Gibbs比Beta-Gibbs慢得多，有时甚至比Slice-Gibbs慢。 每次迭代测量一次。 但

【文件预览】：
dpmm-gmm-master
----v4()
--------sample_model.c~(12KB)
--------canonical_labels.m(634B)
--------sample_from_theta.m(3KB)
--------compress_sample.m(184B)
--------small_test.m(682B)
--------utility.c(7KB)
--------run_cao.m(1KB)
--------resample_c.c(4KB)
--------temp.mat(15KB)
--------inference.m(7KB)
--------resample_rho_slice.m(570B)
--------read_params.m(972B)
--------sample_from_postG.m(1KB)
--------compute_pi_R.c(2KB)
--------defines.h(3KB)
--------resample_sigmarho.c(9KB)
--------permutation.c(2KB)
--------sample_model.c(12KB)
--------compare-artificial.par(773B)
--------dK.m(612B)
--------compute_beta_table.m(555B)
--------defines.h~(3KB)
----LICENSE(18KB)
----README.md(3KB)
----exact()
--------sample_model.c~(12KB)
--------resample_c_t0.c~(5KB)
--------small_test.m~(682B)
--------canonical_labels.m(634B)
--------README.txt~(417B)
--------resample_sigmarho_t0.c(9KB)
--------sample_from_theta.m(3KB)
--------compress_sample.m(184B)
--------small_test.m(708B)
--------utility.c(7KB)
--------junkbeta.c~(880B)
--------test_betatilde.c~(2KB)
--------junkbeta.c(4KB)
--------temp.mat(8KB)
--------resample_sigmarho_t0.c~(9KB)
--------inference_t0.m~(7KB)
--------sample_model_t0.c~(13KB)
--------resample_rho_slice.m(570B)
--------resample_c_t0.c(9KB)
--------test_betatilde.c(6KB)
--------read_params.m(972B)
--------sample_from_postG.m(1KB)
--------compute_pi_R.c(2KB)
--------defines.h(4KB)
--------inference_t0.m(7KB)
--------README.txt(238B)
--------permutation.c(2KB)
--------dK.m(612B)
--------sample_model_t0.c(13KB)
--------compute_beta_table.m(555B)
--------defines.h~(3KB)