保罗·汉德;巴布鲁·乔希 混合线性回归的凸程序，对分离良好的数据具有恢复保证。 （英语） Zbl 1476.90239号 Inf.推断 7，第3号，563-579（2018）. 摘要：我们介绍了一种用于特征上混合线性回归的凸方法。该方法是一个基于L1最小化的二阶锥程序，它为每个数据点分配一个估计回归系数，单位为（mathbb{R}^d）。然后可以使用例如“（k）-均值”对这些估计进行聚类。对于两个或多个混合类的问题，我们证明了在包含数据良好分离假设的技术条件下，凸规划精确地恢复了无噪声环境中的所有混合成分。在这些假设下，如果每个类别至少有（d）个独立的测量值，则恢复是可能的。我们还探索了该方法在实际和合成数据上的迭代加权最小二乘实现。 引用于1文件 MSC公司： 90C25型 凸面编程 62J05型 线性回归；混合模型 62H30型 分类和区分；聚类分析（统计方面） 关键词：混合线性回归;L1最小化;二阶锥规划;群集;迭代加权最小二乘法 软件：柔性混音 PDF格式BibTeX公司 XML格式引用 \textit{P.Hand}和\textit{B.Joshi}，Inf.Inference 7，No.3，563--579（2018；Zbl 1476.90239） 全文： 内政部 arXiv公司