马修·斯蒂芬斯 处理混合模型中的标签切换。 （英语） Zbl 0957.62020号 J.R.Stat.Soc.，塞尔维亚。B、 统计方法。 62，第4期，795-809（2000）. 总结。在有限混合模型的贝叶斯分析中，参数估计和聚类有时不如预期的简单。特别是，通常通过参数的后验均值估计参数，并通过边际分布总结联合后验分布，这往往会导致无意义的答案。这是由于所谓的“标签切换”问题，这是由模型参数的可能性的对称性引起的。对此问题的一个常见反应是使用人工可识别约束来消除对称性。我们证明，这通常无法解决问题，并且我们描述了另一类方法，即重新标记算法，它们是在一类损失函数下试图最小化后验期望损失而产生的。我们详细描述了一种特别简单和通用的重标记算法，并通过两个示例说明了它在处理标签切换问题上的成功。 引用于1审查引用于241文件 MSC公司： 2015年1月62日 贝叶斯推断 62H30型 分类和区分；聚类分析（统计方面） 62C10个 贝叶斯问题；贝叶斯过程的特征 关键词：分类;可识别性;马尔科夫蒙特卡洛;多模态后部;混合物模型;群集 PDF格式BibTeX公司 XML格式引用 \textit{M.Stephens}，J.R.统计社会。B、 统计方法。62，第4号，795--809（2000；Zbl 0957.62020） 全文： 内政部