×

基于移动非对称拉普拉斯分布混合的模型聚类降维。 (英语) Zbl 1282.62153号

统计概率。莱特。 83,第9期,2088-2093(2013); 勘误表同上85、168(2014)。
摘要:介绍了一种通过有限混合移位非对称拉普拉斯分布进行基于模型聚类的降维方法。该方法基于高斯范式中的现有工作,并依赖于一个约化子空间的识别。该子空间包含原始数据的线性组合,使用相关特征值按重要性排序。这种聚类方法在模拟数据和实际数据上进行了说明,与高斯近似方法相比,它的性能更好。

MSC公司:

62H30型 分类和区分;聚类分析(统计方面)
第15页第18页 特征值、奇异值和特征向量
65C60个 统计中的计算问题(MSC2010)
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 安德鲁斯,J.L。;McNicholas,P.D.,基于模型的聚类、分类和通过多元(t)分布混合的判别分析:(t)EIGEN家族,统计与计算,22,5,1021-1029(2012)·Zbl 1252.62062号
[5] Celeux,G。;Govaert,G.,高斯简约聚类模型,模式识别,28781-793(1995)
[6] 库克·R·D。;Weisberg,S.,《回归图形简介》(1994年),约翰·威利父子公司:约翰·威利及其子公司纽约·Zbl 0925.62287号
[7] 邓普斯特,美联社。;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》,《皇家统计学会杂志:B辑》,39,1,1-38(1977)·Zbl 0364.62022号
[8] Flury,B。;Riedwyl,H.,《多元统计:实用方法》(1988),剑桥大学出版社
[9] 弗雷利,C。;Raftery,A.E.,MCLUST:基于模型的聚类分析软件,《分类杂志》,16,297-306(1999)·Zbl 0951.91500号
[11] Franczak,B。;R.Browne。;McNicholas,P.,移动非对称拉普拉斯分布的混合,IEEE模式分析和机器智能汇刊,5,263-286(2012)
[12] 霍顿,P。;Nakai,K.,预测蛋白质细胞定位位点的概率分类系统,(分子生物学智能系统(1996),AAAI出版社:美国圣路易斯AAAI出版公司),109-115
[13] 休伯特,L。;Arabie,P.,比较分区,分类杂志,2193-218(1985)
[15] Li,K.C.,用于降维的切片逆回归(含讨论),美国统计协会杂志,86316-342(1991)
[18] McNicholas,医学博士。;Murphy,T.B.,简约高斯混合模型,统计与计算,18,285-296(2008)
[19] 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)·Zbl 1118.62339号
[20] Schwarz,G.,估算模型的维度,《统计年鉴》,第6461-464页(1978年)·Zbl 0379.62005年
[21] Scrucca,L.,基于模型的聚类降维,统计学和计算,20,4471-484(2010)
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。