EM算法在机器学习领域有着重要的应用,其根本上要解决的问题即为是先有鸡还是先有蛋的问题;LZ最近在看EM算法在直线分类与灭点检测中的应用;翻阅了不少文献,主要参考MIT的Automatic Recovery of Relative Camera Rotation for Urban Scenes,链接如下http://biorobotics.ri.cmu.edu/papers/sbp_papers/a/cvpr2000_arrcrus.pdf,翻阅了几篇关于EM在直线分类与灭点检测中的应用,也就数此篇讲述较为详细。以下为小白对于此篇文章中介绍到到的算法进行分析与理解。 顾名思义,算法分为3部分,第一步为E步骤,按照字面上理解E步骤应该是期望(Expection)的意思,然而在直线分类灭点检测中并不能够直接的看到E步骤中有期望的意思,若是要追溯到期望,参考以下两篇文章http://blog.csdn.net/zouxy09/article/details/8537620 http://www.cnblogs.com/jerrylead/archive/2011/04/06/2006936.html 第二步即为M步骤,即为最大(Maximition),同样的可以在以上两篇文章中找到答案;初始化也十分的重要;以下给出具体的步骤。
1.E step E步骤假设已经灭点的向量(考虑到外点的存在,所以此处假设为多个灭点,一般应该为4个灭点)以及与之相联系的概率,另外还有