0410995 20240103182254.420060210235959.9 10 s. cav_un_epca*02904931210-9592854-57, 44-49 stochastic systems mixture models Bayesian estimation cav_un_auth*0101167 Nagy Ivan UTIA-B Department of Signal Processing Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0101168 Nedoma Petr UTIA-B Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0101124 Kárný Miroslav UTIA-B Department of Adaptive Systems Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0101175 Pavelková Lenka UTIA-B Department of Adaptive Systems Ústav teorie informace a automatizace AV ČR, v. v. i. cav_un_auth*0212695 Ettler P. CZ http://library.utia.cas.cz/prace/20020209.ps 09I 120-58 IST XE CEZ:AV0Z1075907 Článek podává základní informaci o popisu složitých systémů pomocí modelu směsi distribucí a identifikaci takového modelu s využitím bayesovského přístupu. Metoda identifikace provádí shlukovou analýzu a výsledný model je nejen dobrým statistickým popisem reality, ale zároveň poskytuje i průběžnou klasifikaci stavu systému. V článku je uvedena teorie i výsledky experimentů s reálnými daty. The paper brings basic information about a description of complex systems by means of mixture model and identification of such a model using Bayesian approach. The identification makes cluster analysis and the resulting model is not only a good statistical description of the reality but it also gives a current state estimate. The paper presents theory accompanied by experiments on real data. BC AS http://hdl.handle.net/11104/0131082 UTIA-B 20020209 2002 cav_un_epca*0290493 Automa 1210-9592 Roč. 8 11 2002 , s. 54-57, 44-49