朱晓天;大卫·R·亨特。 条件独立多元有限混合模型估计的理论基础。 (英语) Zbl 1407.62245号 J.非参数统计。 28,第4号,683-701(2016). 摘要:对于具有条件独立性假设的多元有限混合模型的非参数估计,我们提出了一种基于惩罚平滑Kullback-Leibler距离的目标函数的新公式。非线性平滑优化(NSMM)算法就是从这个角度推导出来的。利用一种新的投影-乘法算子获得了NSMM算法的一种优雅表示,发现了该算法的一个更精确的单调性,并首次证明了主要优化问题解的存在性。 引用于三文件 MSC公司: 62H30型 分类和区分;聚类分析(统计方面) 62G05型 非参数估计 62甲12 多元分析中的估计 关键词:混合物模型;惩罚平滑似然;MM算法;非参数估计 PDF格式BibTeX公司 XML格式引用 \textit{X.Zhu}和\textit{D.R.Hunter},J.非参数统计28,No.4,683--701(2016;Zbl 1407.62245) 全文: 内政部 arXiv公司 参考文献: [1] 内政部:10.1214/09-AOS689·Zbl 1191.62003号 ·doi:10.1214/09-AOS689 [2] 内政部:10.1198/jcgs.2009.07175·doi:10.1198/jcgs.2009.07175 [3] DOI:10.1016/j.csda.2006.08.015·Zbl 1445.62056号 ·doi:10.1016/j.csda.2006.08.015 [4] 数字对象标识码:10.1214/15-SS108·Zbl 1307.62090号 ·doi:10.1214/15-SS108 [5] Dempster A.P.,《皇家统计学会杂志》。B系列(方法学)39第1页–(1977年) [6] 内政部:10.1007/s002459900099·Zbl 0969.65122号 ·doi:10.1007/s002459900099 [7] 埃格蒙特P.P.B.,《最大惩罚可能性估计:第一卷:密度估计1》(2001年)·Zbl 0984.62026号 [8] 内政部:10.1093/biomet/92.3.667·兹比尔1152.62327 ·doi:10.1093/biomet/92.3.667 [9] 内政部:10.1214/aos/1046294462·Zbl 1018.62021号 ·doi:10.1214/aos/1046294462 [10] 数字对象标识码:10.1111/j.1751-5823.2001.tb00465.x·doi:10.1111/j.1751-5823.001。tb00465.x [11] 内政部:10.1198/0003130042836·doi:10.1198/0003130042836 [12] 数字对象标识码:10.3982/ECTA6763·Zbl 1160.91323号 ·doi:10.3982/ECTA6763 [13] 数字对象标识码:10.1111/rssb.12022·doi:10.1111/rssb.12022文件 [14] 内政部:10.1007/BF02293554·Zbl 0339.92015号 ·doi:10.1007/BF02293554 [15] 内政部:10.1016/0024-3795(77)90069-6·Zbl 0364.15021号 ·doi:10.1016/0024-3795(77)90069-6 [16] 内政部:10.2307/2529876·Zbl 0512.62107号 ·doi:10.2307/2529876 [17] DOI:10.1093/biomet/asq079·Zbl 1215.62055号 ·doi:10.1093/biomet/asq079 [18] Lindsay B.G.,《混合模型:理论、几何和应用》(1995)·Zbl 1163.62326号 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。