×
G.J.麦克拉克伦。;皮，D。;比恩，R.W。

利用混合因子分析仪对高维数据进行建模。 （英语） Zbl 1256.62036号

计算。统计数据分析。 41，第3期，379-388（2003）.
小结：我们从基于模型的高维数据密度估计方法的角度关注因子分析器的混合，从而对此类数据进行聚类。这种方法可以将正态混合模型拟合到维度为（p）的数据点样本上，其中（p）相对于（n）较大。自由参数的数量是通过潜在因素空间的维度来控制的。通过在这个缩小的空间中工作，它可以为每个分量方差矩阵建立一个模型，其复杂性介于各向同性结构模型和全协方差结构模型之间。我们在一个实际例子中说明了混合因子分析仪的使用，该实例考虑了基于微阵列实验中基因表达的细胞系聚类。

引用于85文件

MSC公司：

62H25个 因子分析和主成分；对应分析
62G07年 密度估算
62H30型 分类和区分；聚类分析（统计方面）
62页第10页 统计学在生物学和医学中的应用；元分析
92C40型 生物化学、分子生物学

关键词：

混合物建模;因子分析仪;EM算法
PDF格式BibTeX公司 XML格式引用
\textit{G.J.McLachlan}等人，计算。统计数据分析。41，第3号，379--388（2003；Zbl 1256.62036）
全文： 内政部

参考文献：

[1] 艾特金，M。；安德森，D。；Hinde，J.，《教学风格数据的统计建模》，J.Roy。统计师。Soc.序列号。B、 144419-461（1981），带讨论
[2] 阿龙，美国。；北巴尔凯。；诺特曼，D.A。；Gish，K。；伊巴拉，S。；麦克，D。；Levine，A.J.，通过寡核苷酸阵列探测肿瘤和正常结肠组织的聚类分析揭示的广泛基因表达模式，Proc。美国国家科学院。科学。，96, 6745-6750 (1999)
[3] Banfield，J.D。；Raftery，A.E.，基于模型的高斯和非高斯聚类，生物统计学，49，803-821（1993）·Zbl 0794.62034号
[4] Bishop，C.M.，《潜在变量模型》（Jordan，M.I.，《图形模型学习》（1998），Kluwer:Kluwer-Dordrecht），371-403·Zbl 0948.62043号
[5] Chang，W.C.，《关于在分离两个多元正态分布的混合物之前使用主成分》，Appl。统计人员。，32, 267-275 (1983) ·Zbl 0538.62050号
[6] 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得最大似然》，J.Roy。统计师。Soc.序列号。B、 39，1-38（1977），讨论·Zbl 0364.62022号
[7] Fokoué，E.，Titterington，D.M.，2000年。混合因子分析仪的贝叶斯抽样。格拉斯哥大学统计系技术报告。；Fokoué，E.，Titterington，D.M.，2000年。混合因子分析仪的贝叶斯抽样。格拉斯哥大学统计系技术报告。
[8] Getz，G.，2001年。私人通信。；Getz，G.，2001年。私人通信。
[9] 盖茨，G。；莱文，E。；Domany，E.，基因微阵列数据的耦合双向聚类分析，《细胞生物学》。，97, 12079-12084 (2000)
[10] 加赫拉马尼，Z。；Beal，M.J.，《因子分析仪贝叶斯混合变量推断》（Solla，S.A.；Leen，T.K.；Miller，K.-R.，《神经信息处理系统》12（2000），麻省理工出版社：麻省理学出版社MA），449-455
[11] Ghahramani，Z.，Hinton，G.E.，1997年。因子分析仪的EM算法。多伦多大学CRG-TR-96-1号技术报告。；Ghahramani，Z.，Hinton，G.E.，1997年。因子分析仪的EM算法。多伦多大学CRG-TR-96-1号技术报告。
[12] 辛顿，G.E。；大研，P。；Revow，M.，《手写数字图像的流形建模》，IEEE Trans。神经网络，8，65-73（1997）
[13] 劳利，D.N。；Maxwell，A.E.，作为统计方法的因子分析（1971），巴特沃斯：巴特沃斯伦敦·兹比尔0251.62042
[14] Li，J.Q.，Barron，A.R.，2000年。混合物密度估计。康涅狄格州纽黑文市耶鲁大学统计系技术报告。；Li，J.Q.，Barron，A.R.，2000年。混合物密度估计。技术报告，统计系，耶鲁大学，纽黑文，康涅狄格州。
[15] McLachlan，G.J。；Krishnan，T.，《EM算法和扩展》（1997），威利出版社：威利纽约·Zbl 0882.62012号
[16] McLachlan，G.J。；Peel，D.，有限混合模型（2000），Wiley:Wiley纽约·Zbl 0963.62061号
[17] McLachlan，G.J。；Peel，D.，因子分析仪的混合物，（Langley，P.，《第十七届国际机器学习会议论文集》（2000），Morgan Kaufmann:Morgan Koufmann San Francisco），599-606
[18] McLachlan，G.J.，Bean，R.W.，Peel，D.，2001年。EMMIX-GENE：用于微阵列表达数据聚类的基于混合模型的程序。昆士兰大学统计中心技术报告。；McLachlan，G.J.，Bean，R.W.，Peel，D.，2001年。EMMIX-GENE：用于微阵列表达数据聚类的基于混合模型的程序。昆士兰大学统计中心技术报告。
[19] 孟晓乐。；Rubin，D.B.，通过ECM算法通用框架进行最大似然估计，Biometrika，80，267-278（1993）·Zbl 0778.62022号
[20] 孟晓乐。；van Dyk，D.，《EM算法》，一首古老的民歌，以快速的新曲调演唱，J.Roy。统计师。Soc.序列号。B、 59、511-567（1997），讨论·Zbl 1090.62518号
[21] Schwarz，G.，估算模型的维数，Ann.Statist。，6, 461-464 (1978) ·Zbl 0379.62005年
[22] Tipping，M.E.，Bishop，C.M.，1997年。概率主成分分析仪的混合物。伯明翰阿斯顿大学神经计算研究小组第NCRG/97/003号技术报告。；Tipping，M.E.，Bishop，C.M.，1997年。概率主成分分析仪的混合物。伯明翰阿斯顿大学神经计算研究小组第NCRG/97/003号技术报告。
[23] Tipping，M.E。；Bishop，C.M.，概率主成分分析仪的混合，神经计算。，11, 443-482 (1999)
[24] Utsugi，A。；Kumagai，T.，混合因子分析的贝叶斯分析，神经计算。，13, 993-1002 (2001) ·Zbl 1042.62028号
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。