克莱姆

基于模型的包络聚类。聚类分析是多元统计和机器学习中一种重要的无监督学习技术。在本文中,我们提出了一组新的混合模型CLEMM(简称CLEMM),它基于广泛使用的高斯混合模型假设和包络方法学的新兴研究领域。包络方法主要是针对回归模型建立的,其目的是同时进行降维和有效的参数估计,并包括用于分类和判别分析的包络判别子空间。基于分类中包络判别子空间追踪的思想,我们考虑了简约概率混合模型,通过将数据投影到一个潜在的低维子空间来改进聚类分析。所提出的CLEMM框架和相关的包络EM算法为无监督和半监督学习问题中的包络方法提供了基础。对模拟数据和两个基准数据集的数值研究表明,与高斯混合模型、K-均值和层次聚类等经典方法相比,本文提出的方法有了显著的改进。R包可以在url{https://github.com/kusakehan/CLEMM}获得。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换


zbMATH中的参考文献,1标准件)

显示结果1/1。
按年份排序(引用)

  1. 王文静;张欣;麦青:基于模型的包络聚类(2020)