GOSIM_MPSAlgorithm：一种类似于EM的优化算法，用于多点统计仿真的空间模式学习和再现

GOSIM_MPS算法 用于多点统计模拟的空间模式学习和再现的类EM优化算法 纸 梁扬，侯维生，崔禅杰，崔杰， GOSIM：具有全局优化功能的多尺度迭代多点统计算法， 计算机与地球科学， 第89卷， 2016年 第57-70页， ISSN 0098-3004， （ ） 抽象的： 当前最新的多点统计（MPS）算法基于顺序仿真过程，在此过程中，将根据本地数据事件更新网格值。 由于实现仅在顺序过程中更新一次，因此无法纠正在更新数据事件时发生的错误。 仿真期间的错误累积会降低实现质量。 为了提高仿真质量，本研究提出了一种基于全局优化的MPS算法，称为GOSIM。 定义了一个目标函数来表示GOSIM中实现与TI之间的差异，该目标函数可以通过多尺度的类似于EM的迭代方法（在每次迭代中包含一个E步骤和M步骤）来最小化。 E-step搜索与实现最相似并匹配条件数据的TI模式。 改进的Pa