钟声

CHIME：高维高斯混合体的EM算法聚类及其最优性。无监督学习是统计学和机器学习中的一个重要问题，有着广泛的应用。本文研究了高维高斯混合模型的聚类问题，提出了一种基于EM算法和稀疏判别向量直接估计方法的CHIME算法。研究了蜂鸣器的理论和数值特性。我们建立了对于过度杂散度误差的最优收敛速度，并证明了CHIME是最小最大速率最优的。此外，还建立了判别向量估计量的最优性。仿真研究表明，在各种设置下，CHIME的性能优于现有的方法。所提出的嵌合程序也在一个胶质母细胞瘤基因表达数据集的分析中得到了说明，并显示出了优越的性能。在传统的低维背景下也考虑了高斯混合体的聚类。针对高维数据集开发的技术工具用于建立基于经典EM算法的聚类过程的最优性。