Monte Carlo EM加速算法
EM算法是近年来常用的求后验众数的估计的一种数据增广算法,但由于求出其E步中积分的显示表达式有时很困难,甚至不可能,限制了其应用的广泛性.而Monte Carlo EM算法很好地解决了这个问题,将EM算法中E步的积分用Monte Carlo模拟来有效实现,使其适用性大大增强.但无论是EM算法,还是Monte Carlo EM算法,其收敛速度都是线性的,被缺损信息的倒数所控制,当缺损数据的比例很高时,收敛速度就非常缓慢.而Newton-Raphson算法在后验众数的附近具有二次收敛速率.本文提出Monte Carlo EM加速算法,将Monte Carlo EM算法与Newton-Raphson算法结合,既使得EM算法中的E步用Monte Carlo模拟得以实现,又证明了该算法在后验众数附近具有二次收敛速度.从而使其保留了Monte Carlo EM算法的优点,并改进了Monte Carlo EM算法的收敛速度.本文通过数值例子,将Monte Carlo EM加速算法的结果与EM算法、Monte Carlo EM算法的结果进行比较,进一步说明了Monte Carlo EM加速算法的优良性.
作 者： 罗季 Luo JI 作者单位： 华东师范大学金融与统计学院,上海,200241;浙江财经学院数学与统计学院,杭州,310018 刊 名： 应用概率统计 ISTIC PKU 英文刊名： CHINESE JOURNAL OF APPLIED PROBABILITY AND STATISTICS 年，卷(期)： 2008 24(3) 分类号： O212 关键词： 增广数据 Monte Carlo模拟 EM算法 Monte Carlo EM算法 Newton-Raphson算法