Type I,Type II のそれぞれのモデルに対し,まず最初に単純に単独のモデル を用いて推定がうまく行えるかどうかを調べた. 続いて、複数個のモデル(ここ では 2 個の物体モデルとばらまきノイズの計3個のモデル)をあてはめる場合 に提案手法がどのように振る舞うかを見るための実験を行った.
単独,複数それぞれの場合について,まず適当なモデルを人工的に作り,その モデルから 1000 個のランダムサンプルを発生させる.そのサンプルをあては めの対象データとし,サンプルを発生させたモデルとは異なる位置・尺度(・ 回転)パラメータをもつモデルを初期解として本論文で述べたアルゴリズムを 適用した.
Type I モデルの実験には 3 つの 2 次元楕円型正規分布の混合分布で定義さ れるモデルを用いた.
図5.1 は Type I モデルを単独で用いた場合の結果である. 点で示されているのがあてはめの対象データであり,破線で示されているのが 初期解,実線で示されているのが ECM アルゴリズムを 10 ステップ繰り返し た結果である.それぞれの楕円はモデルを構成する正規分布の なる確率密度等高線であり,この 楕円内の確率測度は約 0.86 である.
図5.2 は 10 ステップまでの平均対数尤度の変化をプロッ トしたグラフで,破線がサンプルを発生させた分布(真の分布)に関する平均対 数尤度である. 有限サンプルによるバイアスを除けば,理想的にはアルゴ リズムにより破線に近付く程望ましいことになる.
図5.3 は単独で用いたのと同じモデルを 2 個組み合わせ て(位置・尺度パラメータは異なる)モデルを作成し,ECM アルゴリズムを 20 ステップ繰り返した結果である. ノイズに対する影響を見るために,全体に 一様分布によりばらまきノイズを加えた. モデルはそのノイズを吸収する ための要素分布として,サンプルをすべて含む矩形上の一様分布を加えた. 図5.4 は平均対数尤度のプロットである.
Type II モデルの実験には 4 つの 2 次元等方正規分布の混合分布で定義され るモデルを用いた.
図5.5,5.6 はこのモデルを単独であ てはめたとき(10ステップ)の結果および平均対数尤度のプロットであり,図 5.7,5.8は複数(2個)の Type II モ デルとばらまきノイズに対してあてはめたとき(30 ステップ)の結果および平 均対数尤度のプロットである.
Type I モデルよりも Type II モデルの方が収束に時間がかかっており,複数 物体の実験では単独であてはめるよりも時間がかかっている.