×
贝尔纳茨基，C。;J·雅克。;克里宾，C。

基于模型的联合聚类调查：高维和估计挑战。 （英语） Zbl 07734141号

J.分类。 40，编号2，332-381（2023）.
摘要：基于模型的联合聚类可以被视为基于模型聚类的一个特别重要的扩展。它允许以节省的方式显著减少数据集的行数（个体）和列数（变量），并且，由于保留了初始个体和特征的含义，因此还允许对生成的简化数据集进行解释。此外，它还得益于丰富的统计理论，用于估计和模型选择。近年来，许多作品在这一主题上取得了新的进展，本文对相关文献进行了总体更新。此外，我们提倡两个主要信息，并得到具体研究材料的支持：（1）联合聚类需要进一步研究以解决一些明确的估计问题，（2）联合聚类是在（非常）高维环境中进行聚类的最有希望的方法之一，这与现代数据集的全球趋势相对应。

理学硕士：

62H30型 分类和区分；聚类分析（统计方面）

关键词：

高维聚类;混合物模型;类EM算法;型号选择;混合数据类型

软件：

群集查找;贪婪;可变选择LCM;SelvarMix公司;MBC手册;自行车1;潜在黄金;funHDDC;funLBM公司;TensorClus公司;混合俱乐部;序数群;块簇;备用BM;块模型
PDF格式BibTeX公司 XML格式引用
\textit｛C.Biernacki｝等人，J.Classif。40，编号2，332--381（2023；Zbl 07734141）
全文： 内政部 哈尔

参考文献：

[1] Abbe，E.，《社区检测和随机块模型：最新发展》，《机器学习研究杂志》，18，1，6446-6531（2017）·Zbl 1403.62110号
[2] M.Ailem。；角色，F。；Nadif，M.，《文档聚类的稀疏泊松潜在块模型》，IEEE知识与数据工程学报，29，7，563-1576（2017）
[3] 安布罗斯，C。；Matias，C.，随机颗粒混合模型的新一致和渐近正态参数估计，皇家统计学会杂志：B辑（统计方法），74，1，3-35（2012）·Zbl 1411.62051号
[4] JD Banfield；Raftery，AE，基于模型的高斯和非高斯聚类，生物计量学，49803-821（1993）·Zbl 0794.62034号
[5] Baudry，J-P，《带条件分类似然的基于模型聚类的估计和模型选择》，《电子统计杂志》，9，1，1041-1077（2015）·Zbl 1325.62120号
[6] Bellman，R.，《动态编程》（1957），美国新泽西州普林斯顿：美国新泽西普林斯顿大学出版社·Zbl 0077.13605号
[7] 贝尔热，LR；Bouveyron，C。；科内利，M。；Latouche，P.，文本交互数据联合聚类的潜在主题块模型，计算统计与数据分析，137247-270（2019）·Zbl 1507.62011年
[8] 比克尔，P。；Choi，D。；Chang，X。；Zhang，H.，随机块模型的最大似然渐近正态性及其变分近似，《统计年鉴》，41，4，1922-1943（2013）·Zbl 1292.62042号
[9] Biernacki，C.，分组数据的单变量高斯混合最大似然估计中的退化和EM算法的行为，斯堪的纳维亚统计杂志，34，3，569-586（2007）·Zbl 1150.62010年
[10] 比尔纳基，C。；德罗斯贝克，J-J；萨波尔塔，G。；Thomas-Agnan，C.，《混合模型》，Choix de modèles et agrégation（2017），Technip
[11] 比尔纳基，C。；Celeux，G。；Govaert，G.，《用综合完全似然评估聚类的混合模型》，IEEE模式分析和机器智能汇刊，22，7，719-725（2000）
[12] 比尔纳基，C。；Celeux，G。；Govaert，G.，为EM算法选择初始值以获得多元高斯混合模型中的最大似然，计算统计与数据分析，41561-575（2003）·Zbl 1429.62235号
[13] 比尔纳基，C。；Celeux，G。；Govaert，G.，《潜在类模型综合可能性的精确和蒙特卡罗计算》，《统计规划与推断杂志》，140，11，2991-3002（2011）·Zbl 1203.62027
[14] 比尔纳基，C。；Chrétien，S.，单变量高斯混合最大似然估计中的退化与EM，统计学与概率快报，61，373-382（2003）·Zbl 1038.62023号
[15] 比尔纳基，C。；Jacques，J.，基于模型的基于随机二进制搜索算法的多元有序数据聚类，《统计与计算》，26，5，929-943（2015）·Zbl 1505.62068号
[16] Biernacki，C.和Maugis，C.（2017年）。高维聚类。在J.-J.Droesbeke、G.Saporta和C.Thomas Agnan（编辑）、Choix de modèles et agrération中。德希尼布。
[17] 布莱，DM；Ng、AY；Jordan，MI，潜在Dirichlet分配，机器学习研究杂志，3，993-1022（2003）·Zbl 1112.68379号
[18] Bock，H.（1979）。对象和变量的同时聚类。187-203年《信息分析》·Zbl 0454.62055号
[19] 布特尔比，R。；拉比奥德，L。；Nadif，M.，联合聚类的Tensor潜在块模型，国际数据科学与分析杂志，10，161-175（2020）
[20] 布特尔比，R。；拉比奥德，L。；Nadif，M.，Tensorclus:张量（共）聚类的python库，神经计算，468，C，464-468（2022）
[21] Bouveyron，C。；Bozzi，L。；雅克·J。；Jollois，F-X，《电力消费曲线联合聚类的功能潜在块模型》，《皇家统计学会杂志：C系列应用统计》，67，4，897-915（2018）
[22] Bouveyron，C。；Brunet，C.，《基于模型的高维数据聚类：综述》，计算统计与数据分析，71，52-78（2014）·Zbl 1471.62032号
[23] Bouveyron，C.、Celeux，G.、Murphy，T.B.和Raftery，A.（2019年）。《基于模型的数据科学聚类和分类》，剑桥大学出版社·Zbl 1436.62006年
[24] Bouveyron，C。；科特迪瓦，E。；Jacques，J.，《自行车共享系统对比分析的判别功能混合模型》，《应用统计年鉴》，9，4，1726-1760（2015）·Zbl 1397.62511号
[25] Bouveyron，C。；Jacques，J.，《特定群体功能子空间中基于模型的时间序列聚类》，《数据分析和分类进展》，5，4，281-300（2011）·Zbl 1274.62416号
[26] Bouveyron，C.、Jacques，J.和Schmutz，A.（2021）。funLBM：基于模型的功能数据联合聚类。R包版本，2，2
[27] Bouveyron，C.、Jacques，J.、Schmutz，A.、Simoes，F.和Bottini，S.（2021）《法国南部空气污染分析的多元函数数据的协同聚类》，《应用统计年鉴》16·Zbl 1498.62282号
[28] Brault，V.（2014）巴黎南部大学，博士论文，对集团潜在模式的评估和选择
[29] Brault，V.、Celeux，G.和Keribin，C.（2014）。Gibbs的Mise enœuvre de l’échantilloneur de Gibbs为潜在的集团模式注入活力。地址：46èmes Journées de Statistique de la SFdS
[30] Brault，V。；克里宾，C。；Mariadassou，M.，潜在块模型估值器的一致性和渐近正态性，《电子统计杂志》，14，1，1234-1268（2020）·Zbl 1439.62256号
[31] Brault，V。；Lomet，A.，《表格对齐和冒号联合分类方法评论》，《法国社会统计杂志》，156，3，27-51（2015）·Zbl 1335.62092号
[32] Brault，V。；Mariadassou，M.，《通过潜在块模型的协同聚类：综述》，《法国社会统计杂志》，156，3，120-139（2015）·Zbl 1341.62172号
[33] 马萨诸塞州Carreira-Perpinán；Renals，S.，多元Bernoulli分布有限混合的实际可识别性，神经计算，12，1，141-152（2000）
[34] Celeux，G。；乔沃，D。；Diebolt，J.，《EM算法的随机版本：混合情况下的实验研究》，《统计计算与模拟杂志》，55，4，287-314（1996）·Zbl 0907.62024号
[35] Celeux，G。；Diebolt，J.，L'algorithme sem:un algoriththme d’applicantissage probabiliste pour la severning de mélange de densités，统计应用评论，34，2，35-52（1986）·Zbl 0607.62037号
[36] Celeux，G。；Govaert，G.，高斯简约聚类模型，模式识别，28，5781-793（1995）
[37] 塞利斯，A。；Daudin，J-J；Pierre，L.，随机块模型中最大似然和变分估计的一致性，《电子统计杂志》，61847-1899（2012）·Zbl 1295.62028号
[38] 赵，G。；Sun，S。；Bi，J.，多视图聚类调查，IEEE人工智能汇刊，2146-168（2021）
[39] Charrad，M.、Lechevallier，Y.、Ahmed，M.和Saporta，G.（2009年）。阻止网页分类的聚类。智能数据工程和自动学习（第260-267页）。布尔戈斯：斯普林格。
[40] Cheam，A.S.M.、Marbac，M.和McNicholas，P.D.（2017年）。空气质量监测时空数据的基于模型的聚类。环境计量学28（3）
[41] 陈，X。；黄，JZ；吴琼。；Yang，M.，基因表达数据的子空间加权联合聚类，IEEE/ACM计算生物学和生物信息学汇刊，16，2，352-364（2019）
[42] Cheng，H。；Liu，J.，通过静息状态fMRI数据的联合聚类进行并行脑分裂和连通性估计：一种新方法，人脑绘图，42，8，2477-2489（2021）
[43] Chi，EC；盖恩斯，BR；太阳，WW；周，H。；Yang，J.，张量的可证明凸协聚，机器学习研究杂志，21，1，1-58（2020）·Zbl 1529.62066号
[44] Cho，H。；Dhillon，IS，使用最小平方和残差共聚类的人类癌症微阵列共聚类，IEEE/ACM计算生物学和生物信息学汇刊，5，3，385-4004（2008）
[45] 科姆·E·和朱文·N·（2021年）。贪婪：具有综合分类可能性的聚类和模型选择。R包版本0.5.1·Zbl 07538936号
[46] 科内利，M。；Bouveyron，C。；Latouche，P.，通过潜在连续随机变量对有序数据进行共聚类，在随机条目中不缺失，计算与图形统计杂志，29，4，771-785（2020）·Zbl 07500356号
[47] Darikwa，T.B.、Manda，S.和Lesaoana，M.（2019）。评估南非心血管疾病死亡率之间的联合空间自相关。地理空间健康14（2）
[48] Day，NE，估计正态分布混合的成分，生物统计学，56，463-474（1969）·Zbl 0183.48106号
[49] De Leeuw，J.和Michailidis，G.（1999）。统计学中的块松弛算法。信息系统和数据分析，308-325
[50] Delaigle，A。；Hall，P.，《定义随机函数分布的概率密度》，《统计年鉴》，381171-1193（2010）·Zbl 1183.62061号
[51] 阿联酋登普斯特；新墨西哥州莱尔德；鲁宾，DB，不完整数据的最大似然（带讨论），英国皇家统计学会杂志，B辑，39，1-38（1977）·Zbl 0364.62022号
[52] Dhillon，I.S.（2001）。使用二部谱图划分对文档和单词进行共聚类。In:第七届ACM SIGKDD知识发现和数据挖掘国际会议论文集，KDD’01，计算机械协会，美国纽约州纽约市，269-274
[53] Dhillon，I.S.、Mallela，S.和Modha，D.S.（2003）信息论联合聚类。摘自：第九届ACM SIGKDD知识发现和数据挖掘国际会议，KDD'03’，第89-98页
[54] 艾蒂安，C。；Latifa，O.，《基于模型的自行车共享系统使用挖掘计数系列聚类：巴黎Vélib系统的案例研究》，ACM智能系统与技术交易（TIST），5，3，1-21（2014）
[55] 薄片，GW；劳伦斯，S。；贾尔斯，CL；库切，FM，网络社区的自我组织和识别，计算机，35，3，66-70（2002）
[56] Fop，M。；Murphy，TB，基于模型聚类的变量选择方法，统计调查，12，18-65（2018）·Zbl 1496.62105号
[57] Fop，M.、Smart，K.M.和Murphy，T.B.（2017年）。潜在类别分析的变量选择及其在腰痛诊断中的应用。应用统计学年鉴，2080-2110·Zbl 1383.62268号
[58] 《福布斯》（Forbes，F.）、《阿诺》（Arnaud，A.）、《莱马松》（Lemasson，B.）和《巴比尔》（Barbier，E.）（2019年）。适合多尺度分布混合的成分消除策略。”RSSDS 2019：统计与数据科学研究院，《计算机与信息科学通信》第1150页（第81-95页）。澳大利亚墨尔本：斯普林格·兹比尔1445.62328
[59] Frisch，G.、Leger，J.-B.和Grandvalet，Y.（2021a）。公平推荐的协同聚类。收录于：C.计算机和I.科学，主编，机器学习和数据库中知识发现的原理与实践。ECML PKDD 2021.，1524，查姆斯普林格
[60] Frisch，G.、Leger，J.-B.和Grandvalen，Y.（2021b）SparseBM:一个用于处理具有块模型的稀疏图的Python模块。工作纸或预印本
[61] Frisch，G.，Léger，J.-B.和Grandvalet，Y.（2022）利用潜在块模型从缺失数据中学习，统计与计算32（9）·Zbl 1477.62005年
[62] Gallaugher，M.、Biernacki，C.和McNicholas，P.（2022）。高维数据的参数化联合聚类，计算统计，1-23·Zbl 07734172号
[63] George，T.B.、Strawn，N.K.和Leviyang，S.（2021）基于树的联合聚类确定了与造血谱系结构相关的染色质可及性模式，遗传学前沿12
[64] George，T.和Merugu，S.（2005）基于联合聚类的可扩展协同过滤框架。摘自：《第五届IEEE数据挖掘国际会议论文集》，ICDM’05，IEEE计算机学会，美国，625-628
[65] Girvan，M。；纽曼，ME，《社会和生物网络中的社区结构》，《国家科学院学报》，99，12，7821-7826（2002）·兹比尔1032.91716
[66] Goffinet，E.、Lebbah，M.、Azzag，H.、Loíc，G.和Coutant，A.（2021）。应用于驾驶辅助系统验证的非参数多变量时间序列协聚类模型。收录于：V.Lemaire、S.Malinowski、A.Bagnall、T.Guyet、R.Tavenard和G.Ifrim（编辑），《时间数据的高级分析和学习》（第71-87页）。查姆：斯普林格国际出版公司·Zbl 07584300号
[67] 很好，I.J.（1965）。”分类”，《生物和医学中的数学和计算机科学》，第115-125页，伦敦：女王的文具办公室。
[68] Goodman，LA，使用可识别和不可识别模型的探索性潜在结构模型，Biometrika，61215-231（1974）·Zbl 0281.62057号
[69] Govaert，G.（1983）《分类》，巴黎第六大学博士论文。
[70] 戈瓦特，G。；Nadif，M.，《使用贝努利混合模型的块聚类：不同方法的比较》，计算统计与数据分析，52，6，3233-3245（2008）·Zbl 1452.62444号
[71] Govaert，G.和Nadif，M.（2013年）。协同集群，威利·Zbl 1416.62309号
[72] Hasan，M.N.、Rana，M.M.、Begum，A.A.、Rahman，M.和Mollah，M.N.H.（2018年）。”使用logistic概率隐变量模型稳健联合聚类发现化合物的毒理生物标记及其调节剂量”。遗传学前沿9
[73] 黄，S。；徐，Z。；Tsang，IW；Kang，Z.，带二部图的自动加权多视图联合聚类，信息科学，512，18-30（2020）·Zbl 1456.68151号
[74] Ingrassia，S.公司。；Rocci，R.，多元高斯有限混合的约束单调EM算法，计算统计学与数据分析，51，11，5339-5351（2007）·Zbl 1445.62116号
[75] 雅克·J。；Biernacki，C.，基于模型的有序数据联合聚类，计算统计与数据分析，123，101-115（2018）·Zbl 1469.62086号
[76] 雅克·J。；Preda，C.，Funclust:使用函数随机变量密度近似的曲线聚类方法，神经计算，112164-171（2013）
[77] 阿拉斯加州贾恩；明尼苏达州默蒂；弗林，PJ，《数据聚类：综述》，ACM计算调查，31，3，264-323（1999）
[78] Jin，C.，Zhang，Y.，Balakrishnan，S.，Wainwright，M.和Jordan，M.（2016）高斯混合模型可能性的局部极大值：结构结果和算法结果。In:“第三十届神经信息处理系统会议，NeurIPS 2016”
[79] Kaufman，L.和Rousseeuw，P.J.（1990）。在数据中寻找群体：聚类分析简介。威利·Zbl 1345.62009号
[80] Keribin，C.，聚类或共聚类定向图的节点？，法国社会统计杂志，162，1，46-69（2021）·Zbl 1469.62287号
[81] 克里宾，C。；Brault，V。；Celeux，G。；Govaert，G.，分类数据上潜在块模型的估计和选择，统计与计算，25，6，1201-1216（2015）·Zbl 1331.62149号
[82] Keribin，C.、Brault，V.、Celeux，G.、Govaert，G.等人（2012）二元潜在块模型的模型选择。摘自：2012年《COMPSTAT会议记录》·Zbl 1331.62149号
[83] Keuper，M。；唐，S。；安德烈斯，B。；布罗克斯，T。；Schiele，B.，通过相关联合聚类进行运动分割和多目标跟踪，IEEE模式分析和机器智能汇刊，42，1，140-153（2020）
[84] 拉克劳，C。；Nadif，M.，《文档术语划分的硬对角线和模糊对角线联合聚类》，神经计算，193，C，133-147（2016）
[85] Leger，J-B；巴比隆，P。；Chiquet，J.，块模型：通过“V-EM”算法进行潜在和随机块模型估计，R包版本，1,1,4（2020）
[86] Li，G.，通过正则化交替最小二乘法进行广义共聚类分析，计算统计与数据分析，150，106989（2020）·Zbl 1510.62056号
[87] Lian，C。；阮，S。；Denoeux，T。；李，H。；Vera，P.，使用基于置信函数的联合聚类和融合对PET-CT图像中的联合肿瘤分割，IEEE图像处理事务，28，2，755-766（2019）·兹比尔1409.94329
[88] Lomet，A.、Govaert，G.和Grandvalet，Y.（2012年A）。用于联合聚类分析的人工数据表的设计，技术报告，法国Compiègne技术大学·Zbl 1416.62349号
[89] Lomet，A.、Govaert，G.和Grandvalet，Y.（2012年b）。基于综合分类似然的块聚类模型选择。摘自：第20届国际计算统计会议（COMPSTAT 2012），法国利马索尔，第519-530页·Zbl 1416.62349号
[90] MacQueen，J.（1967）。多元观测值分类和分析的一些方法。L.M.LeCam和J.Neyman（编辑），《第五届伯克利数理统计与概率研讨会论文集》，加利福尼亚大学出版社，第281-297页·Zbl 0214.46201号
[91] Madeira，S.C.和Oliveira，A.L.（2004）。”生物数据分析的双聚类算法：一项调查”。IEEE/ACM计算生物学和生物信息学汇刊，24-45
[92] Malsiner-Walli，G。；Frühwirth-Schnatter，S。；Grün，B.，基于稀疏有限高斯混合的基于模型的聚类，统计与计算，26303-324（2016）·Zbl 1342.62109号
[93] 马尔巴克，M。；Sedki，M.，《使用综合完整数据可能性进行基于模型聚类的变量选择》，《统计与计算》，第27期，第1049-1063页（2017年）·Zbl 1384.62199号
[94] 马塞罗，G。；Fresse，A。；科内利，M。；Bouveyron，C.，用动态潜在块模型对进化计数矩阵进行共聚类：在药物警戒、统计和计算中的应用，32，3，1-22（2022）·Zbl 1486.62008年
[95] Mariadassou，M。；Matias，C.，潜在或随机块模型中群体后验分布的收敛性，Bernoulli，21，1，537-573（2015）·Zbl 1329.62285号
[96] 马蒂亚斯，C。；Robin，S.，《通过潜在空间模型建模随机图中的异质性：选择性综述》，ESAIM:Proceedings and Surveys，47，55-74（2014）·Zbl 1335.05002号
[97] 毛吉斯，C。；Celeux，G。；Martin Magniette，M-L，基于模型的聚类中的变量选择：一般变量角色建模，计算统计学和数据分析，53，113872-3882（2009）·Zbl 1453.62154号
[98] GJ麦克拉克伦；Krishnam，T.，《EM算法和扩展》（1997），纽约：威利出版社，纽约·Zbl 0882.62012号
[99] 麦克拉克伦，G。；Peel，D.，《有限混合模型》（2000），纽约：威利，纽约·Zbl 0963.62061号
[100] McNicholas，P.（2016）。”基于模型的聚类”。分类杂志33·Zbl 1364.62155号
[101] McParland，D.和Gormley，C.（2013年）。来自自然和生命的算法：分类、数据分析和知识组织研究，瑞士斯普林格，通过潜在变量模型聚类顺序数据一章，第127-135页
[102] Rand，WM，聚类方法评估的客观标准，美国统计协会杂志，66846-850（1971）
[103] Redner，R。；Walker，H.，《混合密度、最大似然和EM算法》，SIAM Review，26，2，195-239（1984）·Zbl 0536.62021号
[104] Robert，V.（2017）。南巴黎大学博士论文《药物警戒维度基础分析分类》。
[105] Robert，V.（2021）。bikm1：协聚类调整了偶然数据集和二进制数据集的兰德指数和bikm1程序。R包版本1.1.0
[106] Robert，V.、Celeux，G.和Keribin，C.（2015）。《47èmes Journées de statistique de la SFdS》中的药物警戒统计模式
[107] 罗伯特·V。；Vasseur，Y。；Brault，V.，《比较高维分区与联合聚类调整后的Rand指数》，《分类杂志》，38，1，158-186（2021）·兹比尔07370657
[108] Rohe，K。；Chatterjee，S。；Yu，B.，谱聚类和高维随机块模型，《统计年鉴》，39，4，1878-1915（2011）·Zbl 1227.62042号
[109] Sedki，M。；Celeux，G。；Maugis-Rabusseau，C.，SelvarMix:A R package for variable selection in model-based clustering and discrimination analysis with A regulation approach（2014），Inria:研究报告，Inria·Zbl 1474.62216号
[110] Selosse，M.、Gourru，A.、Jacques，J.和Velcin，J.（2019年）。三层浓汤。地址：51èmes Journées de Statistique de la SFdS
[111] 塞洛西，M。；雅克·J。；Biernacki，C.，混合类型数据的基于模型的联合聚类，计算统计与数据分析，144106866（2020）·Zbl 1504.62084号
[112] 塞洛西，M。；雅克·J。；Biernacki，C.，ordinalClust:有序数据聚类，联合聚类和分类，R包版本，1，3，5（2020）
[113] 塞洛西，M。；雅克·J。；Biernacki，C.，使用自组织联合聚类模型的文本数据摘要，模式识别，103，107315（2020）
[114] 塞洛西，M。；雅克·J。；Biernacki，C.，mixedClust:混合类型数据的联合聚类，R包版本，1，2（2021）
[115] 塞洛西，M。；雅克·J。；比尔纳基，C。；Cousson-Gélie，F.，《使用有序数据和一些动态含义的约束联合聚类模型分析健康质量调查》，《皇家统计学会杂志：C辑应用统计》，68，5，1327-1349（2019）
[116] Singh Bhatia，P。；Iovleff，S。；Govaert，G.，blockcluster:基于模型的联合聚类的R包，《统计软件杂志》，76，9，1-24（2017）
[117] Sportisse，A.、Marbac，M.、Biernacki，C.、Boyer，C.、Celeux，G.、Laporte，F.和Josse，J.（2021）缺少非随机数据的基于模型的聚类
[118] Stephens，M.，《处理混合模型中的标签转换》，《皇家统计学会期刊B辑（统计方法）》，62，4，795-809（2000）·Zbl 0957.62020号
[119] 德田·T、吉本·J、清水·Y、冈田·G、高村·M、冈本·Y、山崎·S和多亚·K（2017）。”基于具有异质边际分布的非参数混合模型的多重共聚类，PLoS ONE12
[120] Ullah，S.、Daud，H.、Dass，S.C.、Khan，H.N.和Khalil，A.（2017年）。使用联合聚类方法检测具有任意形状和大小的时空疾病簇。地理空间健康12（2）
[121] Vandewalle，V.、Preda，C.和Dabo-Niang，S.（2020年）。聚类空间功能数据，In:J.Mateu和R.Giraldo，（编辑），“地理统计功能数据分析：理论和方法”，John Wiley and Sons，Chichester，英国
[122] Vermunt，J.和Magidson，J.（2005）。潜在GOLD 4.0技术指南：基本和高级，统计创新公司，马萨诸塞州贝尔蒙特
[123] Wang，X.、Yu，G.、Domeniconi，C.、Wang，J.、Yu、Z.和Zhang，Z.（2018年）。多个联合集群。摘自：2018 IEEE数据挖掘国际会议（ICDM），第1308-1313页
[124] 王，YR；Bickel，PJ，随机块模型的基于似然数的模型选择，《统计年鉴》，45，2，500-528（2017）·Zbl 1371.62017年
[125] Wyse，J。；Friel，N.，《具有坍塌潜在块模型的块聚类》，《统计与计算》，第22期，第415-428页（2012年）·Zbl 1322.62046号
[126] Wyse，J。；弗里尔，N。；Latouche，P.，使用潜在块模型和精确ICL推断二部网络结构，《网络科学》，5，1，45-69（2017）
[127] 徐，D。；田杰，Y.，《聚类算法的综合调查》，《数据科学年鉴》，2165-193（2015）
[128] 徐，G。；Zong，Y。；杜洛格，P。；Zhang，Y.，使用二部谱投影方法对博客进行共聚类分析，基于知识和智能的信息与工程系统，398-407（2010），加的夫：斯普林格，加的夫·斯普林格
[129] Zeng，P.、Wangwu，J.和Lin，Z.（2020）。基于联合聚类的无监督迁移学习用于单细胞基因组数据的综合分析。生物信息学简介22（4）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，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。