Till sidans topp

Sidansvarig: Webbredaktion
Sidan uppdaterades: 2012-09-11 15:12

Tipsa en vän
Utskriftsversion

Latent Gaussian random fi… - Göteborgs universitet Till startsida
Webbkarta
Till innehåll Läs mer om hur kakor används på gu.se

Latent Gaussian random field mixture models

Artikel i vetenskaplig tidskrift
Författare David Bolin
J. Wallin
F. Lindgren
Publicerad i Computational Statistics & Data Analysis
Volym 130
Sidor 80-93
ISSN 0167-9473
Publiceringsår 2019
Publicerad vid Institutionen för matematiska vetenskaper
Sidor 80-93
Språk en
Länkar dx.doi.org/10.1016/j.csda.2018.08.0...
Ämnesord Random field, Spatial statistics, Gaussian mixture, Stochastic gradient, Geostatistics, Gaussian, markov random-fields, brain mr-images, stochastic-approximation, maximum-likelihood, gradient algorithm, em algorithm, segmentation, matrix
Ämneskategorier Sannolikhetsteori och statistik

Sammanfattning

For many problems in geostatistics, land cover classification, and brain imaging the classical Gaussian process models are unsuitable due to sudden, discontinuous, changes in the data. To handle data of this type, we introduce a new model class that combines discrete Markov random fields (MRFs) with Gaussian Markov random fields. The model is defined as a mixture of several, possibly multivariate, Gaussian Markov random fields. For each spatial location, the discrete MRF determines which of the Gaussian fields in the mixture that is observed. This allows for the desired discontinuous changes of the latent processes, and also gives a probabilistic representation of where the changes occur spatially. By combining stochastic gradient minimization with sparse matrix techniques we obtain computationally efficient methods for both likelihood-based parameter estimation and spatial interpolation. The model is compared to Gaussian models and standard MRF models using simulated data and in application to upscaling of soil permeability data. (C) 2018 Elsevier B.V. All rights reserved.

Sidansvarig: Webbredaktion|Sidan uppdaterades: 2012-09-11
Dela:

På Göteborgs universitet använder vi kakor (cookies) för att webbplatsen ska fungera på ett bra sätt för dig. Genom att surfa vidare godkänner du att vi använder kakor.  Vad är kakor?