杰弗里·安德鲁斯。；保罗·麦克尼科拉斯。 通过多元（t）分布的混合进行基于模型的聚类、分类和判别分析。 （英语） Zbl 1252.62062号 统计计算。 22，第5期，1021-1029（2012）. 摘要：过去十年中，使用混合模型进行聚类的工作激增。高斯混合模型的使用已成为常见的实践，有时会对成分协方差矩阵施加约束，以给出混合模型族。类似的方法也被应用于分类和判别分析，尽管繁殖力较低。我们首先介绍了基于模型的聚类并简要介绍了最新技术。然后，我们提出了一种新的混合模型族，其中每个组件都使用具有特征分解协方差结构的多元（t）分布建模。这个家族在很大程度上类似于众所周知的MCLUST家族，被称为EIGEN家族。用真实数据和模拟数据说明了该族在聚类、分类和判别分析方面的有效性。在三个实际数据集上，将该族的性能与高斯族的性能进行了比较。 引用于51文件 MSC公司： 62H30型 分类和区分；聚类分析（统计方面） 62H10型 统计的多元分布 65C60个 统计中的计算问题（MSC2010） 软件：R（右）；S-PLUS系统；麦克卢斯特；PGMM公司 PDF格式BibTeX公司 XML格式引用 \textit{J.L.Andrews}和\textit{P.D.Mcnicholas}，统计计算。22，第5号，1021--1029（2012；Zbl 1252.62062） 全文： 内政部 参考文献： [1] Andrews，J.L.，McNicholas，P.D.：多元t因子分析仪的扩展混合物。统计计算。21（3），361–373（2011年a）·Zbl 1255.62171号 ·doi:10.1007/s11222-010-9175-2 [2] Andrews，J.L.，McNicholas，P.D.：基于模型的聚类、分类和判别分析的改良t因子分析仪的混合物。J.统计计划。推断141（4），1479–1486（2011b）·Zbl 1204.62098号 ·doi:10.1016/j.jspi.2010.10.014 [3] Andrews，J.L.，McNicholas，P.D.，Subedi，S.：通过多元t-分布混合物进行基于模型的分类。计算。统计数据分析。55(1), 520–529 (2011) ·Zbl 1247.62151号 ·doi:10.1016/j.csda.2010.05.019 [4] Banfield，J.D.，Raftery，A.E.：基于模型的高斯和非高斯聚类。生物统计学49（3），803-821（1993）·兹比尔0794.62034 ·doi:10.2307/2532201 [5] Baum，L.E.，Petrie，T.，Soules，G.，Weiss，N.：马尔可夫链概率函数统计分析中出现的最大化技术。安。数学。Stat.41，164–171（1970）·Zbl 0188.49603号 ·doi:10.1214/aoms/1177697196 [6] Besag，J.、Green，P.、Higdon，D.、Mengersen，K.：贝叶斯计算和随机系统。统计科学。10(1), 3–41 (1995) ·Zbl 0955.6252号 ·doi:10.1214/s/s1177010123 [7] Bouveyron，C.，Girard，S.，Schmid，C.：高维数据聚类。计算。统计数据分析。52(1), 502–519 (2007) ·Zbl 1452.62433号 ·doi:10.1016/j.csda.2007.02.009 [8] Celeux，G.，Govaert，G.：高斯简约聚类模型。模式识别。28, 781–793 (1995) ·Zbl 05480211号 ·doi:10.1016/0031-3203（94）00125-6 [9] Dasgupta，A.，Raftery，A.E.：通过基于模型的聚类检测杂波空间点过程中的特征。《美国统计协会杂志》93，294–302（1998）·Zbl 0906.62105号 ·数字标识代码：10.1080/01621459.1998.10474110 [10] Day，N.E.：估计正态分布混合物的成分。生物特征56、463–474（1969）·Zbl 0183.48106号 ·doi:10.1093/biomet/56.3.463 [11] Dean，N.，Murphy，T.B.，Downey，G.：使用未标记的数据更新分类规则，并将其应用于食品真实性研究。J.R.Stat.Soc.，塞尔维亚。C、 申请。Stat.55（1），1-14（2006）·Zbl 1490.62155号 ·文件编号：10.1111/j.1467-9876.200526.x [12] Dempster，A.P.，Laird，N.M.，Rubin，D.B.：通过EM算法获得不完整数据的最大似然。J.R.Stat.Soc.，塞尔维亚。B、 统计方法。39(1), 1–38 (1977) ·Zbl 0364.62022号 [13] Edwards，A.W.F.，Cavalli-Sforza，L.L.：一种聚类分析方法。生物统计学21，362–375（1965）·doi:10.2307/2528096 [14] Forina，M.、Armanino，C.、Castino，M.和Ubigli，M.：多元数据分析作为葡萄酒原产地的判别方法。Vitis 25189-201（1986） [15] 弗雷利，C.，拉弗瑞，A.E.：有几个集群？哪些聚类方法？通过基于模型的聚类分析回答。计算。J.41（8），578–588（1998）·兹伯利0920.68038 ·doi:10.1093/comjnl/41.8.578 [16] Fraley，C.、Raftery，A.E.：基于模型的聚类、判别分析和密度估计。《美国统计协会期刊》97（458），611-631（2002）·兹比尔1073.62545 ·doi:10.1198/016214502760047131 [17] Fraley，C.，Raftery，A.E.：MCLUST:R的第3版：正态混合建模和基于模型的聚类。华盛顿大学统计系技术报告504（2006年9月）。2007年1月和2007年11月的小修订 [18] Gordon，A.D.：分类。查普曼和霍尔，伦敦（1981年） [19] Greselin，F.，Ingrassia，S.：多元t分布混合的约束单调EM算法。统计计算。20（1），9-22（2010年a）·doi:10.1007/s11222-008-9112-9 [20] Greselin，F.，Ingrassia，S.：混合t分布的弱同方差约束。收录：Fink，A.、Lausen，B.、Seidel，W.、Ultsch，A.（编辑）《数据分析、数据处理和商业智能进展》。分类、数据分析和知识组织研究，第219-228页。施普林格，柏林/海德堡（2010b） [21] Hastie，T.，Tibshirani，R.：高斯混合判别分析。J.R.Stat.Soc.，塞尔维亚。B、 统计方法。58, 155–176 (1996) ·Zbl 0850.62476号 [22] Hubert，L.，Arabie，P.：比较分区。J.分类。2, 193–218 (1985) ·Zbl 0587.62128号 ·doi:10.1007/BF01908075 [23] Hurley，C.：多元数据的聚类可视化。J.计算。图表。Stat.13（4），788–806（2004）·doi:10.1198/106186004X12425 [24] Kass，R.E.，Raftery，A.E.：贝叶斯因子。J.Am.Stat.Assoc.90，773–795（1995）·Zbl 0846.62028号 ·doi:10.1080/01621459.1995.10476572 [25] Kass，R.E.，Wasserman，L.：嵌套假设的参考贝叶斯检验及其与Schwarz准则的关系。《美国统计协会期刊》90（431），928-934（1995）·Zbl 0851.62020号 ·doi:10.1080/01621459.1995.10476592 [26] Keribin，C.：Sankhyá混合模型阶数的一致估计。印第安J.Stat.，Ser。A 62（1），49–66（2000）·Zbl 1081.62516号 [27] Leroux，B.G.：混合分布的一致估计。Ann.Stat.20，1350–1360（1992）·Zbl 0763.62015号 ·doi:10.1214/aos/1176348772 [28] Lindsay，B.G.：混合模型：理论、几何和应用。载：NSF-CBMS概率与统计区域会议系列，第5卷。海沃德数理统计研究所（1995）·兹比尔1163.62326 [29] Mangasarian，O.L.，Street，W.N.，Wolberg，W.H.：通过线性规划进行乳腺癌诊断和预后。运筹学43（4），570-577（1995）·Zbl 0857.90073号 ·doi:10.1287/操作43.4.570 [30] Maugis，C.，Celeux，G.，Martin-Magniette，M.-L.：高斯混合模型聚类的变量选择。生物统计学65（3），701-709（2009）·Zbl 1172.62021号 ·doi:10.1111/j.1541-0420.2008.0160.x [31] McLachlan，G.J.：聚类分析的分类和混合最大似然方法。《统计手册》，第2卷，第199-208页。荷兰北部，阿姆斯特丹（1982）·Zbl 0513.62064号 [32] McLachlan，G.J.：判别分析和统计模式识别。新泽西州威利（1992）·Zbl 1108.62317号 [33] McLachlan，G.J.，Basford，K.E.：混合模型：推理和聚类应用。Marcel Dekker，纽约（1988）·Zbl 0697.62050号 [34] McLachlan，G.J.，Peel，D.：通过多元t分布混合物进行稳健聚类分析。收录于：《计算机科学讲义》，第1451卷，第658-666页。柏林施普林格（1998） [35] McLachlan，G.J.，Peel，D.：因子分析仪的混合物。摘自：第七届机器学习国际会议记录，第599-606页。Morgan Kaufmann，旧金山（2000） [36] McLachlan，G.J.，Bean，R.W.，Jones，L.B.-T.：扩展混合因子分析模型以纳入多元T分布。计算。统计数据分析。51(11), 5327–5338 (2007) ·Zbl 1445.62053号 ·doi:10.1016/j.csda.2006.09.015 [37] McNicholas，P.D.：使用潜在高斯混合模型的基于模型的分类。J.统计计划。推论140（5），1175–1181（2010）·Zbl 1181.62095号 ·doi:10.1016/j.jspi.2009.11.006 [38] McNicholas，P.D.，Murphy，T.B.：简约高斯混合模型。统计计算。18, 285–296 (2008) ·doi:10.1007/s11222-008-9056-0 [39] McNicholas，P.D.，Murphy，T.B.：基于模型的纵向数据聚类。可以。《美国联邦法律大全》第38卷（1），第153–168页（2010年a）·Zbl 1190.62120号 [40] McNicholas，P.D.，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（2010b）·doi:10.1093/bioinformatics/btq498 [41] McNicholas，P.D.，Murphy，T.B.，McDaid，A.F.，Frost，D.：通过简约高斯混合模型实现基于模型的聚类的串行和并行实现。计算。统计数据分析。54(3), 711–723 (2010) ·Zbl 1464.62131号 ·doi:10.1016/j.csda.2009.02.011 [42] Meng，X.-L.，Rubin，D.B.：通过ECM算法的最大似然估计：一般框架。生物特征80，267–278（1993）·Zbl 0778.62022号 ·doi:10.1093/biomet/80.2267 [43] Orchard，T.，Woodbury，M.A.：缺失信息原理：理论与应用。收录：Le Cam，L.M.、Neyman，J.、Scott，E.L.（编辑）《第六届伯克利数理统计与概率研讨会论文集》。统计学理论，第1卷，第697-715页。加州大学伯克利分校出版社（1972）·Zbl 0263.62023号 [44] R开发核心团队：统计计算的语言和环境。R统计计算基金会，维也纳（2010年） [45] Raftery，A.E.，Dean，N.：基于模型聚类的变量选择，《美国统计协会期刊》101（473），168-178（2006）·Zbl 1118.62339号 ·doi:10.19198/0162114506000000113 [46] Rand，W.M.：评价聚类方法的客观标准。J.Am.Stat.Assoc.66，846–850（1971年）·doi:10.1080/01621459.1971.10482356 [47] Schwarz，G.：估算模型的维数。Ann.Stat.6（2），461-464（1978）·兹伯利0379.62005 ·doi:10.1214/aos/1176344136 [48] Scrucca，L.：基于模型聚类的降维。统计计算。20(4), 471–484 (2010) ·doi:10.1007/s11222-009-9138-7 [49] Sundberg，R.：指数族不完全数据的最大似然理论。扫描。《美国法律总汇》第1卷第49–58页（1974年）·Zbl 0284.62014号 [50] Titterington，D.M.，Smith，A.F.M.，Makov，U.E.：有限混合分布的统计分析。奇切斯特·威利（1985）·Zbl 0646.62013.中 [51] Venables，W.N.，Ripley，B.D.：现代应用统计学与S-PLUS。柏林施普林格（1999）·Zbl 0927.62002号 [52] Wolfe，J.H.：类型最大似然分析的计算机程序。USNPRA技术公告65-15，美国海军个人研究活动，圣地亚哥（1965） 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。