×
克里斯蒂安·海宁;彼得罗·科雷托

一种确定OTRIMLE稳健高斯混合聚类簇数的充分性方法。 （英语） Zbl 1521.62100号

澳大利亚。N.Z.J.统计。 64，编号2，230-254（2022）.
摘要：我们引入了一种新的方法来确定集群的数量。该方法适用于[P.科雷托和C.海宁，“稳健不适当最大似然：调整、计算，以及与稳健高斯聚类的其他方法的比较”，《美国统计协会期刊》第111期，第516期，1648–1659页（2016；doi:10.1080/01621459.2015.1100996)]高斯混合模型允许将观测值分类为“噪声”，但它也可以应用于其他聚类方法。聚类的质量是通过统计\（Q\）来评估的，该统计\（Q\）测量聚类内分布与平均值中唯一模式的椭圆单峰分布的接近程度。这种非参数测量允许非高斯簇，只要它们具有良好的质量（Q）。模型的简单性通过一种度量（S）来评估，该度量倾向于较少数量的簇，除非额外的簇可以显著降低估计的噪声比例。然后选择适合数据的最简单模型，即其观测值（Q）不明显大于拟合模型真正生成的数据的预期值，这可以通过参数引导进行评估。在仿真研究和两个实际数据集上，将该方法与使用贝叶斯信息准则（BIC）和集成完全似然（ICL）的基于模型的聚类进行了比较。

引用于1文件

理学硕士：

62H30型 分类和区分；聚类分析（统计方面）
62F40型 引导、折刀和其他重采样方法

关键词：

基于模型的聚类;噪声分量;参数自助法;单峰的

软件：

T欲望;特伊根;奥特里姆;麦克卢斯特
PDF格式BibTeX公司 XML格式引用
\textit{C.Hennig}和\textit{P.Coretto}，奥斯汀。N.Z.J.Stat.64，No.2，230--254（2022；Zbl 1521.62100）
全文： 内政部 arXiv公司
OA许可证

参考文献：

[1] Akhanli，S.E.和Hennig，C.（2020）。通过聚集经校准的聚类有效性指标来比较聚类和聚类数量。统计与计算30，1523-1544·Zbl 1452.62430号
[2] Amigo，E.、Gonzalo，J.、Artiles，J.和Verdejo，F.（2009年）。基于形式约束的外部聚类评估指标的比较。信息检索12，461-486。
[3] Andrews，J.L.、Wickins，J.R.、Boers，N.M.和McNicholas，P.D.（2018年）。teigen：一个R包，用于通过多元t分布进行基于模型的聚类和分类。统计软件杂志83，1-32。
[4] Banfield，J.D.和Raftery，A.E.（1993年）。基于模型的高斯和非高斯聚类。生物统计学49，803-821·Zbl 0794.62034号
[5] Baudry，J.P.、Raftery，A.、Celeux，G.、Lo，K.和Gottardo，R.（2010年）。组合混合成分进行聚类。计算与图形统计杂志19，332-353。
[6] Biernacki，C.、Celeux，G.和Govaert，G.（2000）。用综合完全似然法评估用于聚类的混合模型。IEEE模式分析和机器智能汇刊22，719-725。
[7] Byers，S.&Raftery，A.E.（1998年）。用于估计空间点过程中特征的最近邻杂波消除。《美国统计协会杂志》93，577-584·Zbl 0926.62089号
[8] Cerioli，A.、GarcíA‐Escudero，L.A.、Mayo‐Iscar，A.和Riani，M.（2018）。通过约束可能性在基于模型的聚类中查找正常组的数量。计算与图形统计杂志27，404-416·Zbl 07498957号
[9] Chen，J.和Khalili，A.（2008）。具有非光滑罚分的有限混合模型中的阶数选择。《美国统计协会杂志》103，1674-1683·Zbl 1286.62057号
[10] Chen，J.，Li，P.&Fu，Y.（2012）。正常混合物顺序的推断。《美国统计协会杂志》107，1096-1105·Zbl 1443.62055号
[11] Coretto，P.&Hennig，C.（2011年）。高斯分布和均匀分布非均匀混合物的最大似然估计。《统计规划与推断杂志》141，462-473·Zbl 1203.62017年
[12] Coretto，P.和Hennig，C.（2016）。稳健的不适当最大似然：调整、计算以及与其他稳健高斯聚类方法的比较。美国统计协会杂志1111648-1659。
[13] Coretto，P.&Hennig，C.（2017年）。一致性、故障鲁棒性和鲁棒不适当最大似然聚类算法。机器学习研究杂志18，1-39·Zbl 1442.62138号
[14] Coretto，P.&Hennig，C.（2019年）。otrimle：健壮的基于模型的集群。R包1.3版。可从URL:获取。
[15] Davies，P.L.（1995）。数据功能。Neerlandica统计局49，185-245·Zbl 0831.62001号
[16] Davies，P.L.和Kovac，A.（2001）。局部极值、运行、字符串和多分辨率。统计年鉴29，1-65·Zbl 1029.62038号
[17] Feng，Z.D.和McCulloch，C.E.（1996）。在有限混合模型中使用bootstrap似然比。英国皇家统计学会杂志：B辑（方法学）58，609-617·Zbl 0906.62021号
[18] Forina，M.、Armanino，C.、Lanteri，S.和Tiblispia，E.（1983年）。根据脂肪酸组成对橄榄油进行分类。《食品研究和数据分析》，H.Martens（编辑）和H.Russwurm（编辑），第189-214页。吠叫：应用科学出版社。
[19] Fritz，H.、García‐Escudero，L.a.和Mayo‐Iscar，a.（2012）。tclust：一个R包，用于聚类分析的修剪方法。统计软件杂志，47，1-26。
[20] Frühwirth‐Schnatter，S.、Celeux，G.和Robert，C.P.（编辑）（2020年）。混合物分析手册。佛罗里达州博卡拉顿：CRC/Chapman&Hall。
[21] García‐Escudero，L.a.，Gordaliza，a.，Greselin，F.，Ingrassia，S.&Mayo‐Iscar，a.（2018）。混合建模中的特征值和约束：几何和计算问题。数据分析和分类进展12，203-233·Zbl 1414.62071号
[22] Gelman，A.和Hennig，C.（2017年）。超越统计学中的客观和主观（通过讨论）。英国皇家统计学会杂志：A辑（社会统计）180，967-1033。
[23] Gelman，A.、Meng，X.L.和Stern，H.（1996）。通过实现差异对模型适合性进行后验预测评估。中国统计局，733-807·Zbl 0859.62028号
[24] 霍尔，P.（1992）。关于非参数回归中的bootstrap置信区间。统计年鉴20，695-711·Zbl 0765.62049号
[25] Hartigan，J.A.和Hartigan.P.M.（1985年）。单峰倾角测试。《统计年鉴》13，70-84·Zbl 0575.62045号
[26] Hennig，C.（2004）。位置-尺度混合的最大似然估计的分解点。《统计年鉴》32，1313-1340·Zbl 1047.62063号
[27] Hennig，C.（2007）。集群稳定性的集群评估。计算统计与数据分析52，258-271·Zbl 1452.62447号
[28] Hennig，C.（2010年）。合并高斯混合成分的方法。数据分析和分类进展4，3-34·Zbl 1306.62141号
[29] Hennig，C.和Lin，C.J.（2015）。针对集群测试同质性和评估集群数量的灵活参数引导。统计与计算25，821-833·Zbl 1331.62308号
[30] Hubert，L.和Arabie，P.（1985）。比较分区。分类杂志2193-218。
[31] Hui，F.K.C.，Warton，D.I.&Foster，S.D.（2015）。有限混合模型中的次序选择：完全的还是观察到的似然信息准则？生物特征102，724-730·Zbl 1452.62814号
[32] Keribin，C.（2000年）。混合模型阶数的一致估计。Sankhyá：印度统计杂志，A62系列，49-66·Zbl 1081.62516号
[33] Lee，S.X.和McLachlan，G.J.（2013）。关于斜正态分布和斜t分布的混合。数据分析和分类进展7，241-266·Zbl 1273.62115号
[34] Malsiner‐Walli，G.，Frühwirth‐Schnatter，S.&Grün，B.（2017）。使用贝叶斯估计识别混合物。计算与图形统计杂志26285-295。
[35] Maronna，R.A.和Zamar，R.H.（2002年）。高维数据集位置和离散度的稳健估计。技术计量学44，307-317。
[36] McLachlan，G.J.（1987）。自举时，正常混合物中成分数量的似然比检验统计量。英国皇家统计学会杂志：C辑（应用统计学）36，318-324。
[37] McLachlan，G.J.和Peel，D.（2000年）。有限混合模型。纽约：Wiley·Zbl 0963.62061号
[38] Meila，M.（2007）。比较聚类–基于信息的距离。多元分析杂志98873-895·Zbl 1298.91124号
[39] Meng，X.L.（1994）。后验预测值。《统计年鉴》22，1142-1160·兹比尔0820.62027
[40] Nguyen，T.T.，Nguyen-H.D.，Chamroukhi，F.&McLachlan，G.J.（2020年）。无穷远处消失的连续密度函数的有限混合近似。Cogent数学与统计71750861·Zbl 1486.62048号
[41] Peel，D.和McLachlan，G.J.（2000）。使用t分布的稳健混合建模。统计与计算10，339-348。
[42] Pons，O.（2013）。非参数假设的统计检验：渐近理论。新加坡：世界科学。
[43] Ritter，G.（2014）。稳健聚类分析和变量选择。统计学和应用概率专著。佛罗里达州博卡拉顿：查普曼和霍尔/CRC。
[44] Scrucca，L.、Fop，M.、Murphy，T.B.和Raftery，A.E.（2016）。mclust 5：使用高斯有限混合模型进行聚类、分类和密度估计。R杂志8289-317。
[45] Siffer，A.、Fouque，P.A.、Termier，A.和Largouöt，C.（2018年）。是否收集了您的数据？单峰的折叠试验。第24届ACM SIGKDD知识发现与数据挖掘国际会议论文集。伦敦：ACM。第2210-2218页。
[46] Silverman，B.W.（1981）。使用核密度估计来研究多模态。英国皇家统计学会杂志：B辑（方法学）43，97-99。
[47] Sommer，E.O.和Weihs，C.（2005年）。“多特蒙德的社交环境”比赛简介。分类——无处不在的挑战。编辑C.Weihs和W.Gaul，第667-673页。柏林：斯普林格。
[48] Wagenmakers，E.J.、Ratcliff，R.、Gomez，P.和Iverson，G.J.（2004）。使用参数引导评估模型模仿。《数学心理学杂志》48，28-50·Zbl 1076.91537号
[49] Wang，K.，Ng，S.K.和McLachlan，G.J.（2009）。多元斜t混合模型：荧光激活细胞分类数据的应用。2009年，《数字图像计算：技术与应用》，H.Shi，Y.C。Zhang，M.Bottema，B.Lovell和A.Maeder，第526-531页。纽约：IEEE。
[50] Xie，F.&Xu，Y.（2020年）。贝叶斯排斥高斯混合模型。《美国统计协会杂志》115，187-203·Zbl 1437.62242号
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。