×
赵建华；金、李斌；石磊

通过分层BIC选择混合模型。 （英语） Zbl 1468.62233号

计算。统计数据分析。 88, 139-153 (2015).
摘要：贝叶斯信息准则（BIC）是有限混合模型中最常用的模型选择准则之一。然而，它使用整个样本大小来惩罚每个成分的复杂性，并完全忽略数据中固有的聚类结构，从而导致过度惩罚。为了克服这一问题，提出了一种新的标准，称为层次BIC（HBIC），该标准仅使用局部样本大小惩罚组件复杂性，并与聚类数据结构很好地匹配。理论上，当样本量较大时，HBIC是变分贝叶斯（VB）下限的近似值，而广泛使用的BIC是一种精度较低的近似值。为了验证这一理论结果，进行了一项实证研究，并在模拟数据集和实际数据集上进行了一系列实验，以比较HBIC和BIC。结果表明，HBIC的表现明显优于BIC，BIC受到低估。

引用于2文件

MSC公司：

62-08 统计问题的计算方法
62H30型 分类和区分；聚类分析（统计方面）

关键词：

型号选择；混合物模型；相对长度单位；最大似然估计；银行识别码；分层BIC；群集

软件：

麦克卢斯特；PRMLT公司；UCI-毫升；Mixmod公司
PDF格式BibTeX公司 XML格式引用
\textit{J.Zhao}等人，计算。统计数据分析。88、139--153（2015；Zbl 1468.62233）
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、分类和多元t分布混合判别分析，统计计算。，22, 5, 1021-1029, (2012) ·Zbl 1252.62062号
[2] Attias，H.，1999年。用变分贝叶斯推断潜在变量模型的参数和结构。In：程序。第十五条不确定性。Artif公司。智力。第21-30页。
[3] Bache，K.，Lichman，M.，2013年。UCI机器学习库。http://archive.ics.uci.edu/ml。
[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）·Zbl 0794.62034号
[5] Bensmail，H。；Celeux，G。；Raftery，A.E。；Robert，C.P.，基于模型的聚类分析中的推理，统计计算。，7, 1, 1-10, (1997)
[6] 比尔纳基，C。；Celeux，G。；Govaert，G.，《用综合完全似然评估聚类的混合模型》，IEEE Trans。模式分析。机器。智力。，22, 7, 719-725, (2000)
[7] 比尔纳基，C。；Celeux，G。；戈瓦特，G。；Langrognet，F.，使用MIXMOD软件进行基于模型的聚类和判别分析，计算。统计师。数据分析。，51, 2, 587-600, (2006) ·Zbl 1157.62431号
[8] Bishop，C.M.，模式识别和机器学习，（2006），纽约斯普林格出版社·Zbl 1107.68072号
[9] Browne，R.P。；McNicholas，P.D.，估计高维中的常见主成分，高级数据分析。分类。，8, 2, 217-226, (2014) ·Zbl 1474.62183号
[10] Celeux，G。；Govaert，G.，高斯简约聚类模型，模式识别。，28, 5, 781-793, (1995)
[11] Charytanowicz，M。；Niewczas，J。；Kulczycki，P。；科瓦尔斯基，P。；卢卡西克，S。；Zak，S.，《用于x射线图像特征分析的完整梯度聚类算法》（Ewa Pietka，J.K.，《生物医学信息技术》，（2010），柏林斯普林格出版社，海德堡），15-24
[12] Dempster，A.P。；新墨西哥州莱尔德。；Rubin，D.B.，《使用EM算法从不完整数据中获得最大似然》，J.R.Stat.Soc.Ser。B、 39，1，1-38，（1977），（含讨论）·Zbl 0364.62022号
[13] Figueiredo，M.A.T。；Jain，A.K.，有限混合模型的无监督学习，IEEE Trans。模式分析。机器。智力。，24, 3, 381-396, (2002)
[14] Fisher，R.A.，《多重测量在分类问题中的应用》，《优生学年鉴》，第7、2、179-188页，（1936年）
[15] 弗雷利，C。；Raftery，A.E.，多少簇？哪种聚类方法？答案通过基于模型的聚类分析计算得出。J.，41，8，578-588（1998）·Zbl 0920.68038号
[16] 弗雷利，C。；Raftery，A.E.，基于模型的聚类、判别分析和密度估计，J.Amer。统计师。协会，97，611-631，（2002）·Zbl 1073.62545号
[17] 弗雷利，C。；Raftery，A.E.，正态混合估计和基于模型聚类的贝叶斯正则化，J.分类，24，2，155-181，（2007）·Zbl 1159.62302号
[18] 弗雷利，C。；Raftery，A.E。；墨菲，T.B。；Scrucca，L.，MCLUST版本4 for R：正态混合建模和基于模型的聚类。tech.rep.597，（2012），华盛顿大学统计系，URL:网址：http://www.stat.washington.edu/clust/
[19] Friedman，J.H.，正则化判别分析，J.Amer。统计师。协会，84405165-175，（1989）
[20] 戈里尼，I。；Murphy，T.B.，分类数据基于模型聚类的潜在特征分析器混合，统计计算。，242569-588（2014年）·Zbl 1325.62122号
[21] 休伯特，L。；Arabie，P.，比较分区，J.分类，2，1，193-218，（1985）
[22] Keribin，C.，混合模型阶数的一致估计，SankhyáSer。A、 62、1、49-66（2000）·Zbl 1081.62516号
[23] Lin，T.-I.，通过特征值分解通过参数化混合模型从不完整数据中学习，计算。统计师。数据分析。，71, 3, 183-195, (2014) ·Zbl 1471.62120号
[24] 麦克拉克伦，G。；Peel，D.，有限混合模型，（2000），纽约John Wiley&Sons·Zbl 0963.62061号
[25] Pauler，D.K.，正态线性模型的Schwarz准则和相关方法，生物统计学，85，1，13-27，（1998）·Zbl 1067.62550号
[26] Raftery，A.E。；牛顿，医学硕士。；萨塔戈潘，J.M。；Krivitsky，P.N.，使用调和平均恒等式通过后验模拟估计综合似然，（贝叶斯统计，第8卷，（2007年），牛津大学出版社，1-45·Zbl 1252.62038号
[27] Schwarz，G.，估算模型的维数，Ann.Statist。，6, 461-464, (1978) ·Zbl 0379.62005年
[28] Srivastava，S。；古普塔，M.R。；Frigyik，B.A.，贝叶斯二次判别分析，J.Mach。学习。第8号决议，1277-1305，（2007年）·Zbl 1222.62043号
[29] Steele，R.，有限混合模型和多重插补的实用重要性抽样方法，（2002），华盛顿大学（博士论文）
[30] 弗瑞克，I。；McNicholas，P.D.，用于基于模型的聚类和分类的解析偏斜混合模型，计算。统计师。数据分析。，71, 3, 196-210, (2014) ·Zbl 1471.62202号
[31] Wang，B.，Titterington，D.M.，2004年。缺失值指数族模型变分贝叶斯逼近的收敛性和渐近正态性。In：程序。第20条不确定性。Artif公司。智力。第577-584页。
[32] 张，B。；张，C。；Yi，X.，有限混合模型的竞争EM算法，模式识别。，37, 1, 131-144, (2004) ·Zbl 1067.68603号
[33] 赵，J。；Yu，P.L.H.，关于变分贝叶斯因子分析的注记，神经网络。，22, 7, 988-997, (2009) ·Zbl 1336.62163号
[34] 赵，J。；Yu，P.L.H。；Shi，L.，通过分层BIC选择混合因子分析仪的模型。tech.rep，（2013），云南财经大学统计与数学学院，中国云南，URL:http://www.ynufe.edu.cn/pub/tsxy/jhzhao/pub/en/a-mfa.pdf
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。