×
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。