×
毛吉斯，C。;塞勒克斯，G。;马丁·马涅特，M.-L。

基于模型的聚类中的变量选择：通用变量角色建模。 （英语） Zbl 1453.62154号

计算。统计数据分析。 53，第11号，3872-3882（2009）.
摘要：基于模型的聚类中现有的变量选择程序假设无关的聚类变量都是独立的，或者都与相关的聚类变量相关联。考虑到每个变量的三个可能角色，提出了一个更通用的变量选择模型：相关聚类变量、依赖于部分相关聚类变量的无关聚类变量和完全独立于所有相关变量的无关簇变量。针对这种新的可变角色建模，导出了模型选择准则和变量选择算法。建立了模型的可辨识性和变量选择准则的一致性。数值实验突出了这种新模型的兴趣。

引用于2评论
引用于29文件

MSC公司：

62-08 统计问题的计算方法
62小时30分 分类和区分；聚类分析（统计方面）

软件：

Mixmod公司
PDF格式BibTeX公司 XML格式引用
\textit{C.Maugis}等人，计算。统计数据分析。53，第11号，3872--3882（2009；Zbl 1453.62154）
全文： 内政部 链接

参考文献：

[1] 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）·Zbl 0794.62034号
[2] 比尔纳基，C。；Celeux，G。；戈瓦特，G。；Langrognet，F.，基于模型的聚类和判别分析mixmod公司软件，计算统计和数据分析，51，2，587-600（2006）·Zbl 1157.62431号
[3] 布雷曼，L。；弗里德曼，J.H。；Olshen，R.A。；Stone，C.J.，《分类和回归树》（1984年），华兹华斯国际：华兹华思国际，加利福尼亚州贝尔蒙特·Zbl 0541.62042号
[4] Celeux，G。；Govaert，G.，高斯简约聚类模型，模式识别，28,5781-793（1995）
[5] Dempster，A.P。；莱尔德，新墨西哥州。；Rubin，D.B.，《通过EM算法从不完整数据中获得最大似然（带讨论）》，《皇家统计学会杂志》，B辑，39，1，1-38（1977）·Zbl 0364.62022号
[6] 法律，M.H。；Figueiredo，M.A.T。；Jain，A.K.，使用混合模型的同时特征选择和聚类，IEEE模式分析和机器智能汇刊，26，9，1154-1166（2004）
[7] 麦克拉克伦，G。；Peel，D.，有限混合模型（2000），威利国际科学：威利国际科学，纽约·Zbl 0963.62061号
[8] Maugis，C.，Celeux，G.，Martin-Magniette，M.-L.，2009年。高斯混合模型聚类的变量选择。生物统计学（出版中）；Maugis，C.，Celeux，G.，Martin-Magniette，M.-L.，2009年。高斯混合模型聚类的变量选择。生物计量学（出版中）·Zbl 1172.62021号
[9] Maugis，C.，Celeux，G.，Martin-Magniette，M.-L.，2008年。基于模型的聚类中的变量选择：通用变量角色建模。技术报告INRIA，RR-6744；Maugis，C.，Celeux，G.，Martin-Magniette，M.-L.，2008年。基于模型的聚类中的变量选择：通用变量角色建模。技术报告INRIA，RR-6744·Zbl 1453.62154号
[10] Raftery，A.E。；Dean，N.，基于模型聚类的变量选择，《美国统计协会杂志》，101，473，168-178（2006）·兹比尔1118.62339
[11] Tadesse，M.G。；Sha，N。；Vannucci，M.，《高维数据聚类中的贝叶斯变量选择》，《美国统计协会杂志》，100470602-617（2005）·Zbl 1117.62433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。