Mixmod公司

用MIXMOD软件进行基于模型的聚类和判别分析。混合建模（MIXMOD）程序将混合模型与给定的数据集相匹配，以便进行密度估计、聚类或判别分析。提出了多种估计混合参数的算法（EM、分类EM、随机EM），并且可以将这些算法组合起来，以获得似然函数（或完全数据似然）的合理最大值的不同策略。MIXMOD目前主要用于多元高斯混合模型，根据分量方差矩阵特征值分解的不同假设，可以区分14种不同的高斯模型。此外，还包括选择简约模型的不同信息准则（例如混合组分的数量），其适用性取决于特定的视角（聚类分析或判别分析）。MIXMOD用C++编写，与SCILAB和MATLAB接口。该计划、统计文件和用户指南可在互联网上通过以下地址获得：http://www-math.univ-fcomte.fr/mixmod/index.php。(资料来源：https://www.projet-flume.org/en/relier/mixmod)

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（参考文献36条)

显示第1到第20个结果，共36个。
按年份排序(引用)
  1. 波兰斯基，安德泽伊；马尔茨克，米甲；彼得罗夫斯卡，莫妮卡；威德拉克，皮奥特；Polanska，Joanna:通过动态规划分区初始化单变量高斯、多分量、异方差混合模型的EM算法（2018）
  2. 中村，提亚戈A。；帕哈雷斯，雷纳尔多M。；卡米哈斯，沃尔米尔M。；本杰明R.梅内塞斯。；德坎波斯，Má里奥塞萨尔M。M、 。；乌比拉贾拉富梅加；数据元素M。博菲姆，卡洛斯H。；莱姆斯，安德烈é P、 ：使用分布式计算技术训练的简约高斯混合模型进行自适应故障检测和诊断（2017）
  3. Bongiorno，Enea G公司。；Goia，Aldo:Hilbert数据基于替代密度的分类方法（2016）
  4. McNicholas，Paul D.：基于模型的聚类（2016）
  5. 鲍德里，让帕特里克；卡多索，玛格丽达；塞勒克斯，吉尔；阿莫林，玛丽亚·乔斯é; Ferreira，Ana Sousa：利用外部分类变量加强基于模型的聚类选择（2015）
  6. 加洛平，米é丽娜；塞勒克斯，吉尔；贾夫尔ézic，佛罗伦萨；Rau，Andrea:注释基因表达数据基于模型聚类的模型选择标准（2015）
  7. Ré米勒布雷特；谢尔盖·伊夫列夫；弗洛伦特兰格罗涅特；克里斯托夫·比尔纳基；吉勒塞勒克斯；Gérard Govaert:Rmixmod：基于模型的无监督、监督和半监督分类Mixmod库的R包（2015）不是zbMATH
  8. 里亚尼，马可；塞里奥利，安德里亚；佩罗塔，多梅尼科；Torti，Francesca:在FSDA库中模拟具有固定聚类重叠的多元数据混合（2015）
  9. 斯库卡，卢卡；Raftery，Adrian E.：使用高斯层次划分改进基于模型的聚类初始化（2015）
  10. 赵建华；金利斌；石磊：基于分层BIC的混合模型选择（2015）
  11. 安德鲁斯，杰弗里L。；McNicholas，Paul D.：聚类和分类的变量选择（2014）
  12. 比尔纳基，克里斯托夫；Lourme，Alexandre:稳定和可视化的高斯简约聚类模型（2014）
  13. 查尔斯·布维隆；Brunet Saumard，Camille:基于模型的高维数据聚类：综述（2014）
  14. 布朗，瑞安P。；McNicholas，Paul D.：混合模型中特征分解协方差参数估计的正交Stiefel流形优化（2014）
  15. 布朗，瑞安P。；估算负责人：Nicholas D 2014年公共维度
  16. 加利姆贝蒂，朱利亚诺；Soffritti，Gabriele:使用有限混合（t）分布的多元线性回归分析（2014）
  17. 戈利尼，伊莎贝拉；Murphy，Thomas Brendan:基于模型的分类数据聚类的混合潜在特征分析工具（2014）
  18. Lin，Tsung-I:通过特征值分解通过参数化（t）混合模型从不完全数据中学习（2014）
  19. 加利姆贝蒂，朱利亚诺；Soffritti，Gabriele:对基于简约模型的高斯聚类使用条件独立性（2013）
  20. 卢姆，A。；Biernacki，C.：基于同步高斯模型的多来源样本聚类（2013）

更多出版物请访问：http://www.mixmod.org/article.php3？id_article=16