3.4.3　GPLVM模型訓(xùn)練

GPLVM中需要確定的模型參數(shù)包括核函數(shù)中的超參數(shù)Θ和隱變量X。對(duì)GPLVM訓(xùn)練最直接的方法就是使觀測(cè)數(shù)據(jù)Y的對(duì)數(shù)似然負(fù)數(shù)最?。?/p>

采用的優(yōu)化算法是尺度共軛梯度（Scaled Conjugate Gradient，SCG）優(yōu)化算法[9]。

對(duì)于超參數(shù)Θ，其梯度表示為

其中，。

利用SCG算法計(jì)算Θ的具體步驟見(jiàn)算法3-4。

SCG算法收斂時(shí)，得到對(duì)應(yīng)的超參數(shù)的值。對(duì)隱變量X的優(yōu)化與超參數(shù)類似。GPLVM整個(gè)訓(xùn)練過(guò)程采用對(duì)Θ和X的交替優(yōu)化進(jìn)行。