matrix-variate mixture model

新的EM算法改进了矩阵变量模型中缺失数据的处理

研究人员开发了一种有效的期望最大化（EM）算法，用于处理矩阵变量正态混合模型中的缺失数据。该新算法通过近似条件均值和协方差，显著降低了与任意缺失模式相关的计算成本。它还包括一个针对子矩阵缺失的专用更新，该更新保持了Kronecker积结构，允许在行和列方向上进行独立更新。模拟研究表明，与精确EM相比，这些方法提供了显著的速度提升，同时保持了相似的观测数据似然度，并且该方法已在高光谱图像分析中用于同时进行插补和聚类。