自动分类

自动分类-一种贝叶斯分类方法。我们描述了一种在一组情况下无监督发现类的贝叶斯方法,有时称为有限混合分离或聚类。集群与我们的方法的主要区别在于,我们搜索“最佳”的类描述集合,而不是将案例本身分组。我们用概率分布或密度函数以及局部最大后验概率参数来描述我们的类。我们用分布函数的近似后验概率对分类进行评级,数据通过边缘化所有参数得到。由于联合概率的计算复杂性,近似是必要的,我们的边缘化是参数空间中的局部极大值。这种后验概率等级允许直接比较不同等级和/或单个等级密度函数的交替密度函数。我们讨论了分类方法背后的基本原理。我们给出了基本混合模型的数学发展,描述了计算可处理性所需的近似值,给出了几种常见属性类型的模型细节,并描述了AutoClass程序的一些结果。。


zbMATH参考文献(参考 68篇文章

显示68个结果中的1到20个。
按年份排序(引用)
  1. Sangam,Ravi Sankar;Om,Hari:Equi-Clustream:a framework for clustering time evolving mixed data(2018年)
  2. Sangam,Ravi Sankar;Om,Hari:一种等偏(k)-聚类混合类型数据的原型算法(2018)
  3. 叶茂;张鹏;聂立珍:基于层次贝叶斯-伯努利混合模型的稀疏二元数据聚类(2018)
  4. Cagnina,Leticia;Errecalde,Marcelo;Ingaramo,Diego;Rosso,Paolo:对短文本进行聚类的有效粒子群优化方法(2014)ioport公司
  5. 蒋翠青;梁坤;陈新春;丁勇:通过社交媒体分析市场表现:银行业危机案例研究(2014)ioport公司
  6. Lin,Kawuu W.;Lin,Chun Hung;Xiao,Chun-Yuan:基于GPU的并行可伸缩CAST聚类算法(2014)ioport公司
  7. 阿黛尔H.马歇尔;肖,巴里:条件相型(C-Ph)分布的计算学习。学习C-Ph分布(2014)
  8. 张耀明;贾,洪:基于统一相似性度量的分类和数值属性数据聚类(2013)
  9. 基于多维聚类的数据;基于多维聚类的数据:王丹(音),陈腾飞(音),2012年
  10. Kormaksson,Matthias;Booth,James G.;Figueroa,Maria E.;Melnick,Ari:基于模型的微阵列甲基化和表达数据聚类(2012)
  11. Micheloni,Christian;Rani,Asha;Kumar,Sanjeev;Foresti,Gian Luca:模式分类的平衡神经树(2012)ioport公司
  12. Giannakopoulou,Dimitra;Bushnell,David H.;Schumann,Johann;Erzberger,Heinz;Heere,Karen:分离保证的正式测试(2011)
  13. 孟海东、宋宇晨、宋飞燕、沈海涛:聚类关联分析在地球化学数据处理中的研究与应用(2011)
  14. Bouguila,Nizar:关于多元二元数据聚类和特征加权(2010)
  15. 李睿;田大鹏;史佳龙,斯坦;杨明萱:一种协调混合因子分析仪的三维人体运动跟踪(2010)ioport公司
  16. McNicholas,P.D.;Murphy,T.B.;McDaid,A.F.;Frost,D.:通过简约高斯混合模型实现基于模型的聚类的串行和并行实现(2010)
  17. Bissantz,Nicolas;Hagedorn,Jürgen:数据挖掘(Datenmusterekennung)(2009)ioport公司
  18. Cariou,Véronique;Verdun,Stéphane;Diaz,Emmanuelle;Qannari,El Mostafa;Vigneau,Evelyne:选择适当数量的变量簇的三种假设检验方法的比较(2009年)
  19. Flores,M.Julia;Gámez,JoséA;Martínez,Ana M.;Puerta,JoséM.:HODE:隐藏的一个依赖估计量(2009)
  20. 黄汉申;杨伯厚;张玉明;徐春楠:加速训练贝叶斯网络和条件随机场的全局和组件外推法(2009)ioport公司