×
艾琳·弗比克;保罗·D·麦克尼古拉斯。

基于模型的聚类和分类的简约斜交混合模型。 （英文） Zbl 1471.62202号

计算。统计数据分析。 71, 196-210 (2014).
摘要：最近研究了使用偏态分布的稳健混合建模方法，以适应不对称数据。介绍了采用尺度矩阵特征值分解的GPCM族的简约斜态和偏态类似物。将这些方法与无监督和半监督分类框架中的现有模型进行了比较。使用期望最大化算法进行参数估计，并使用贝叶斯信息准则选择模型。这些扩展的有效性在模拟数据集和实际数据集上进行了说明。

引用于33文件

MSC公司：

62-08 统计问题的计算方法
62H30型 分类和区分；聚类分析（统计方面）

关键词：

特征值分解;EM算法;全球采购成本管理;MCLUST公司;混合物模型;基于模型的聚类;偏正态分布;斜交-（t）分布

软件：

混合物;特伊根;麦克卢斯特;R（右）;帕尔沃斯
PDF格式BibTeX公司 XML格式引用
\textit{I.Vrbik}和\textit{P.D.McNicholas}，计算。统计数据分析。71196-210（2014；Zbl 1471.62202）
全文： 内政部 arXiv公司

参考文献：

[1] 艾特肯，A.C.，《关于伯努利代数方程的数值解》，《爱丁堡皇家学会学报》，46，289-305，（1926）
[2] 安德森，E.，《加斯佩斯半岛的虹膜》，《美国虹膜学会公报》，第59期，第2-5期，（1935年）
[3] 安德鲁斯，J.L。；McNicholas，P.D.，《多元t-因子分析仪的扩展混合》，统计与计算，21，3，361-373，（2011）·Zbl 1255.62175号
[4] 安德鲁斯，J.L。；McNicholas，P.D.，用于基于模型的聚类、分类和判别分析的修正t因子分析仪的混合，《统计规划与推断杂志》，141，4，1479-1486，（2011）·Zbl 1204.62098号
[5] 安德鲁斯，J.L。；McNicholas，P.D.，基于模型的聚类、分类和多元分布混合判别分析，统计与计算，22，5，1021-1029，（2012）·Zbl 1252.62062号
[6] Andrews，J.L.，McNicholas，P.D.，2012年b。teigen：基于模型的多变量t分布聚类和分类。R软件包版本1.0。
[7] 安德鲁斯，J.L。；医学博士麦克尼古拉斯。；Subedi，S.，通过多元分布的混合物进行基于模型的分类，计算统计学和数据分析，55，1520-529，（2011）·兹比尔1247.62151
[8] Baek，J。；McLachlan，G.J.，具有共同因子负载的因子分析器的混合：高维数据的聚类和可视化应用，IEEE模式分析和机器智能汇刊，321298-1309，（2010）
[9] Baek，J。；McLachlan，G.J.，用于聚类高维微阵列数据的通用t因子分析仪的混合物，生物信息学，27，9，1269-1276，（2011）
[10] Banfield，J.D。；Raftery，A.，基于模型的高斯和非高斯聚类，生物统计学，49，803-821，（1993）·兹比尔0794.62034
[11] Baudry，J.P。；Raftery，A.E。；Celeux，G。；Lo，K。；Gottardo，R.，《组合混合成分进行聚类》，《计算与图形统计杂志》，19，2，332-353，（2010）
[12] Bensmail，H。；Celeux，G.，通过特征值分解的正则高斯判别分析，美国统计协会杂志，911743-1748，（1996）·Zbl 0885.62068号
[13] 比尔纳基，C。；Celeux，G。；Govaert，G.，《用综合完全似然评估聚类的混合模型》，IEEE模式分析和机器智能汇刊，22，7，719-725，（2000）
[14] Böhning，D。；迪茨，E。；Schaub，R。；施拉特曼，P。；Lindsay，B.，单参数指数族密度混合物的似然比分布，统计数学研究所年鉴，46，373-388，（1994）·Zbl 0802.62017年
[15] Bouveyron，C。；Girard，S。；Schmid，C.，高维数据聚类，计算统计与数据分析，52，1，502-519，（2007）·Zbl 1452.62433号
[16] Browne，R.P。；McNicholas，P.D.，混合类型数据的基于模型的聚类、分类和判别分析，《统计规划与推断杂志》，142，11，2976-2984，（2012）·Zbl 1335.62093号
[17] Browne，R.P。；McNicholas，P.D.，《高维常见主成分估计》，《数据分析和分类进展》（2013年），（出版中）
[18] Browne，R.P.，McNicholas，P.D.，2013年。混合：用于聚类和分类的混合模型。R软件包版本1.0·Zbl 1332.62215号
[19] 卡布拉尔，C。；拉科斯，V。；Prates，M.，使用偏正态独立分布的多元混合建模，计算统计与数据分析，56，1，126-142，（2012）·兹比尔1239.62058
[20] 北卡罗来纳州坎贝尔。；Mahon，R.J.，《细粒棘属两种岩蟹变异的多元研究》，《澳大利亚动物学杂志》，22，417-425，（1974）
[21] Celeux，G。；Govaert，G.，高斯简约聚类模型，模式识别，28781-793，（1995）
[22] Dasgupta，A。；Raftery，A.E.，《通过基于模型的聚类检测杂波空间点过程的特征》，《美国统计协会杂志》，93，294-302，（1998）·Zbl 0906.62105号
[23] N.院长。；墨菲，T.B。；Downey，G.，《使用未标记数据更新分类规则及其在食品真实性研究中的应用》，《皇家统计学会杂志：C辑》，55，1，1-14，（2006）·Zbl 1490.62155号
[24] Dempster，A.P。；新墨西哥州莱尔德。；Rubin，D.B.，《通过EM算法从不完整数据中获取最大似然》，英国皇家统计学会杂志。B系列（方法学），39，1，1-38，（1977）·Zbl 0364.62022号
[25] Fisher，R.A.，《分类问题中多重测量的使用》，《优生学年鉴》，第7卷，第二部分，179-188，（1936）
[26] Flury，B.流感。；Riedwyl，H.，《多元统计：一种实用的方法》，（1988），Chapman and Hall London
[27] 福里纳，M。；里尔迪，R。；阿玛尼诺，C。；Lanteri，S。；Vandeginste，B.，Parvus：数据探索、分类和关联的可扩展程序包，化学计量学杂志，4，2，191-193，（1988）
[28] 弗雷利，C。；Raftery，A.E.，基于模型的聚类、判别分析和密度估计，美国统计协会杂志，97，458，611-631，（2002）·Zbl 1073.62545号
[29] Fraley，C.，Raftery，A.E.，Scrucca，L.，2012年。MCLUST：基于模型的聚类、分类和密度估计的正常混合建模。R软件包版本4.0。
[30] Franczak，B.，Browne，R.P.，McNicholas，P.D.，2012年。移位非对称拉普拉斯分布的混合。ArXiv预打印ArXiv:1207.1727v3。
[31] Frühwirth-Schnatter，S。；Pyne，S.，单变量和多变量偏正态分布和斜（t）分布有限混合的贝叶斯推断，生物统计学，11，2，317-336，（2010）·Zbl 1437.62465号
[32] 加赫拉马尼，Z。；Hinton，G.E.，因子分析仪的EM算法，技术报告CRG-TR-96-1，（1997），多伦多大学多伦多分校
[33] 格雷塞林，F。；Ingrassia，S.，多元（t）分布混合的约束单调EM算法，统计与计算，20，9-22，（2010）
[34] Ho，H.J。；派恩，S。；Lin，T.I.，通过实际EM型算法对斜交学生正态分布混合物的最大似然推断，统计与计算，22，1，287-299，（2012）·Zbl 1322.62087号
[35] 休伯特，L。；Arabie，P.，比较分区，分类杂志，2193-218，（1985）
[36] Hunter，D.L。；Lange，K.，《MM算法教程》，《美国统计学家》，58，1，30-37，（2004）
[37] Karlis，D。；Santourian，A.，基于模型的非椭圆等高线分布聚类，统计与计算，19，1，73-83，（2009）
[38] Keribin，C.，混合模型阶数的一致估计，Sankhyá：印度统计杂志。系列A，62，1，49-66，（2000）·Zbl 1081.62516号
[39] 科茨，S。；Nadarajah，S.，多元分布及其应用，（2004），剑桥大学出版社·Zbl 1100.62059号
[40] Lee，S。；McLachlan，G.，《多元斜（t）分布的有限混合：一些最新结果》，《统计与计算》（2012年），（出版中）
[41] Lin，T.I。；Lee，J.C。；Yen，S.Y.，《使用斜正态分布的有限混合建模》，《中国统计》，第17期，第909-927页，（2007年）·Zbl 1133.62012年
[42] Lindsay，B.G.，《混合模型：理论、几何学和应用》，（NSF-CBMS概率统计区域会议系列，第5卷，（1995年），加州数学统计研究所，海沃德）·Zbl 1163.62326号
[43] McLachlan，G.J。；Basford，K.，《混合模型：推理及其在聚类中的应用》，（1988），Marcel Dekker，纽约·Zbl 0697.62050号
[44] 麦克拉克伦，G。；Bean，R。；Ben Tovim Jones，L.，因子分析器混合模型的扩展以纳入多元分布，计算统计学和数据分析，51，5327-5338，（2007）·Zbl 1445.62053号
[45] McLachlan，G.J。；Peel，D.，（通过多元（t）分布混合物进行稳健聚类分析，《计算机科学讲义》，第1451卷，（1998），柏林施普林格出版社），658-666
[46] McLachlan，G.J.，Peel，D.，2000年。因子分析仪的混合物。在：第七届机器学习国际会议，旧金山·Zbl 1256.62036号
[47] McNicholas，P.D.，使用潜在高斯混合模型的基于模型的分类，《统计规划与推断杂志》，140，5，1175-1181，（2010）·Zbl 1181.62095号
[48] 医学博士麦克尼古拉斯。；Murphy，T.B.，简约高斯混合模型，统计与计算，18，285-296，（2008）
[49] 医学博士麦克尼古拉斯。；Murphy，T.B.，基于模型的纵向数据聚类，加拿大统计杂志，38，1，153-168，（2010）·Zbl 1190.62120号
[50] 医学博士麦克尼古拉斯。；Murphy，T.B.，通过潜在高斯混合模型对微阵列表达数据进行基于模型的聚类，生物信息学，26，21，2705-2712，（2010）
[51] 医学博士麦克尼古拉斯。；Subedi，S.，使用多元分布混合物聚类基因表达时间进程数据，《统计规划与推断杂志》，142，5，1114-1127，（2012）·Zbl 1236.62068号
[52] 莫里斯，K。；McNicholas，P.D.，通过移位非对称拉普拉斯分布的混合物实现基于模型聚类的降维，《统计学与概率快报》，83，9，2088-2093，（2013）·Zbl 1282.62153号
[53] 莫里斯，K。；医学博士麦克尼古拉斯。；Scrucca，L.，《通过多元（t）分布混合进行基于模型聚类的降维》，《数据分析和分类进展》（2013年），（出版中）·Zbl 1273.62141号
[54] 皮，D。；McLachlan，G.J.，使用（t）分布的稳健混合建模，统计与计算，10，4，339-348，（2000）
[55] 派恩，S。；胡，X。；王凯。；Rossin，E。；Lin，T.I。；迈尔，L.M。；Baecher-Allan，C。；McLachlan，G.J。；Tamayo，P。；哈夫勒，D.A。；De Jager，P.L。；Mesirov，J.P.，自动化高维流式细胞术数据分析，美国国家科学院院刊，106，8519-8524，（2009）
[56] R核心团队，2013年。R： 用于统计计算的语言和环境。奥地利维也纳：R统计计算基金会。
[57] Rand，W.M.，聚类方法评估的客观标准，美国统计协会杂志，66846-850，（1971）
[58] 萨胡，S.K。；戴伊·D。；Branco，M.，一类新的多元偏态分布及其在贝叶斯回归模型中的应用，加拿大统计杂志，31129-150，（2003）·Zbl 1039.62047号
[59] Schwarz，G.，估算模型的维度，《统计年鉴》，6，2，461-464，（1978）·Zbl 0379.62005年
[60] Steane，M.A。；医学博士麦克尼古拉斯。；Yada，R.，通过多元t因子分析仪的混合物进行基于模型的分类，《统计中的通信——模拟和计算》，41，4，510-523，（2012）·Zbl 1294.62142号
[61] 倾翻，T.E。；Bishop，C.M.，概率主成分分析仪的混合，神经计算，11，2，443-482，（1999）
[62] Ueda，N。；Nakano，R.，确定性退火EM算法，神经网络，11，271-282，（1998）
[63] 弗瑞克，I。；McNicholas，P.D.，多元斜交（t）混合模型EM算法的分析计算，《统计与概率快报》，82，6，1169-1174，（2012）·Zbl 1244.65012号
[64] 王凯。；Ng、S。；McLachlan，G.，《多元倾斜混合模型：荧光激活细胞分类数据的应用》，（Shi，H.；Zhang，Y.；Bottema，M.；Lovell，B.；Maede，A.，《数字图像计算：技术与应用》，2009年。DICTA’09（2009），IEEE），526-531
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。