×
阿米尔·纳杰菲;塞耶德·阿博尔法兹·莫塔哈里（Seyed Abolfazl Motahari）;哈米德·拉比。

伯努利混合模型的可靠聚类。 （英语） Zbl 1466.62357号

伯努利 26，第2期，1535-1559（2020）.
摘要：伯努利混合模型（BMM）是具有独立维数的随机二进制向量的有限混合。聚类BMM数据的问题出现在各种现实应用中，从人口遗传学到社交网络中的活动分析。在本文中，我们从理论角度分析了当簇数未知时BMM的可聚性。特别是，我们对模型的样本复杂性和维度规定了一组条件，以保证数据集的可能近似正确（PAC）-聚类性。据我们所知，这些发现是学习或聚类BMM的样本复杂性的第一个非渐近边界。

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）

关键词：

高维统计;混合模型分析;PAC-学习能力;样本复杂性

软件：

结构;艾根斯特拉;国家标准3;PRMLT公司;叮当声;通用航空公司
PDF格式BibTeX公司 XML格式引用
\textit{A.Najafi}等人，Bernoulli 26，No.2，1535--1559（2020；Zbl 1466.62357）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Allman，E.S.、Matias，C.和Rhodes，J.A.（2009年）。具有多个观测变量的潜在结构模型中参数的可识别性。安。统计师。37 3099-3132. ·Zbl 1191.62003号 ·doi:10.1214/09-AOS689
[2] Ashtiani，H.、Ben David，S.、Harvey，N.、Liaw，C.、Mehrabian，A.和Plan，Y.（2018）。通过样本压缩方案学习高斯混合样本的近似紧样本复杂度边界。神经信息处理系统进展3412-3421·Zbl 1499.68298号
[3] Baker，L.D.和McCallum，A.K.（1998年）。用于文本分类的单词分布聚类。第21届国际ACM SIGIR信息检索研究与开发会议论文集96-103。ACM公司。
[4] Balakrishnan，S.、Wainwright，M.J.和Yu，B.（2017年）。EM算法的统计保证：从人口到基于样本的分析。安。统计师。45 77-120. ·Zbl 1367.62052号 ·doi:10.1214/16-AOS1435
[5] Biernacki，C.、Celeux，G.和Govaert，G.（1999）。改进了NEC标准，用于评估混合模型中的簇数。模式识别。莱特。20 267-272. ·兹伯利0933.68117 ·doi:10.1016/S0167-8655（98）00144-5
[6] Bishop，C.M.（2006年）。模式识别和机器学习。机器。学习。128 1-58. ·Zbl 1107.68072号
[7] Bouveyron，C.和Brunet-Saumard，C.（2014）。基于模型的高维数据聚类：综述。计算。统计师。数据分析。71 52-78. ·Zbl 1471.62032号 ·doi:10.1016/j.csda.2012.12.008
[8] Carreira-Perpinán，M.A.和Renals，S.（2000年）。多元贝努利分布有限混合的实用可识别性。神经计算。12 141-152.
[9] Catchen，J.、Hohenlohe，P.A.、Bassham，S.、Amores，A.和Cresko，W.A.（2013年）。Stacks：人口基因组学的分析工具集。摩尔生态。22 3124-3140.
[10] Celeux，G和Soromenho，G（1996）。用于评估混合模型中簇数的熵准则。J.分类13 195-212·Zbl 0861.62051号 ·doi:10.1007/BF01246098
[11] Chan，S.-O.、Diakonikolas，I.、Servedio，R.A.和Sun，X.（2014）。通过分段多项式近似进行有效的密度估计。第四十六届ACM计算理论研讨会论文集604-613。ACM公司·Zbl 1315.68163号
[12] Courant，R.（2011）。微分学和积分学。第二卷。威利经典图书馆。纽约：Wiley·Zbl 1245.26001号
[13] Cover，T.M.和Thomas，J.A.（2012年）。《信息理论的要素》，第二版，新泽西州霍博肯：威利跨科学·兹比尔0762.94001
[14] Diakonikolas，I.（2016）。学习结构化分布。在大数据手册中。查普曼和霍尔/CRC Handb。国防部。统计方法267-283。佛罗里达州博卡拉顿：CRC出版社。
[15] Evanno，G.、Regnaut，S.和Goudet，J.（2005）。使用软件结构检测个体集群的数量：一项模拟研究。摩尔生态。14 2611-2620.
[16] Falush，D.、Stephens，M.和Pritchard，J.K.（2003年）。利用多位点基因型数据推断种群结构：连锁位点和相关等位基因频率。遗传学164 1567-1587。
[17] Figueiredo，M.A.T.和Jain，A.K.（2002年）。有限混合模型的无监督学习。IEEE传输。模式分析。机器。智力。24 381-396.
[18] Fjellstad，O.-E.和Fossen，T.I.（2016）。基于正态方差均值混合表示的广义多元logistic模型和EM算法。统计信号处理车间（SSP）1-5。IEEE标准。
[19] Fraley，C.和Raftery，A.E.（2002年）。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·兹比尔1073.62545 ·doi:10.1198/016214502760047131
[20] Gershman，S.J.和Blei，D.M.（2012）。贝叶斯非参数模型教程。数学杂志。心理学56 1-12·Zbl 1237.62062号 ·doi:10.1016/j.jmp.2011.08.004
[21] Gyllenberg，M.、Koski，T.、Reilink，E.和Verlaan，M.（1994年）。细菌概率数值识别中的非唯一性。J.Appl。普罗巴伯。31 542-548. ·Zbl 0817.92002号 ·doi:10.2307/3215044
[22] Hollander，M.、Wolfe，D.A.和Chicken，E.（2014）。非参数统计方法，第三版，《概率统计中的威利级数》。新泽西州霍博肯：威利·Zbl 1279.62006号
[23] Juan，A.、GarcíA-Hernández，J.和Vidal，E.（2004）。伯努利混合气学习的EM初始化。结构、句法和统计模式识别635-643·Zbl 1104.68626号
[24] Juan，A.和Vidal，E.（2004年）。二值图像的伯努利混合模型。《模式识别》，2004年。国际公共关系委员会2004年。第17届国际会议记录，3 367-370。IEEE标准。
[25] Kalai，A.T.、Moitra，A.和Valiant，G.（2016）。解开高加索人的纠缠。Commun公司。ACM 55 113-120。
[26] Kopelman，N.M.、Mayzel，J.、Jakobsson，M.、Rosenberg，N.A.和Mayrose，I.（2015）。Clumpak：一个用于识别聚类模式和包装K.Mol.Ecol人口结构推断的程序。资源。15 1179-1191.
[27] Lazarsfeld，P.F.、Henry，N.W.和Anderson，T.W.（1968年）。潜在结构分析109。马萨诸塞州波士顿：霍顿·米夫林。
[28] Li，C.，Wang，B.，Pavlu，V.和Aslam，J.（2016）。多标签分类的条件贝努利混合。第33届机器学习国际会议论文集2482-2491。
[29] McLachlan，G.和Peel，D.（2004）。有限混合模型。概率统计威利系列：应用概率统计。纽约：Wiley Interscience。
[30] McNicholas，P.D.（2016）。基于模型的聚类。J.分类33 331-373·Zbl 1364.62155号 ·doi:10.1007/s00357-016-9211-9
[31] Mohri，M.、Rostamizadeh，A.和Talwalkar，A.（2012年）。机器学习的基础。自适应计算和机器学习。马萨诸塞州剑桥：麻省理工学院出版社·Zbl 1318.68003号
[32] Müller，P.、Quintana，F.A.、Jara，A.和Hanson，T.（2015）。贝叶斯非参数数据分析。统计学中的斯普林格系列。查姆：斯普林格·Zbl 1333.62003年
[33] Najafi，A.、Janghorbani，S.、Motahari，S.A.和Fatemizadeh，E.（2019年）。群体结构遗传数据的统计关联映射。IEEE/ACM传输。计算。生物信息。16 638-649.
[34] Orbanz，P.和Teh，Y.W.（2011年）。贝叶斯非参数模型。机器学习百科全书81-89。斯普林格。
[35] Peakall，R.和Smouse，P.E.（2006年）。GENALEX 6：Excel中的遗传分析。用于教学和研究的群体遗传软件。摩尔生态。附注6 288-295。
[36] Pella，J.和Masuda，M.（2006年）。吉布斯和分裂合并采样器，用于从基线不完整的遗传数据进行人口混合分析。可以。J.菲什。阿奎特。科学。63 576-596.
[37] Price，A.L.、Patterson，N.J.、Plenge，R.M.、Weinblatt，M.E.、Shadick，N.A.和Reich，D.（2006）。主成分分析修正了全基因组关联研究中的分层。自然遗传学。38 904-909.
[38] Pritchard，J.K.、Stephens，M.和Donnelly，P.（2000）。利用多点基因型数据推断种群结构。遗传学155 945-959。
[39] Pritchard，J.K.、Stephens，M.、Rosenberg，N.A.和Donnelly，P.（2000）。结构化人群中的关联映射。Am.J.Hum.遗传学。67 170-181.
[40] Purcell，S.、Neale，B.、Todd-Brown，K.、Thomas，L.、Ferreira，M.A.、Bender，D.、Maller，J.、Sklar，P.、De Bakker，P.I.、Daly，M.J.等人（2007年）。PLINK：一套用于全基因组关联和基于人群的连锁分析的工具。Am.J.Hum.遗传学。81 559-575.
[41] Rousseau，J.（2016）。贝叶斯非参数方法的频率特性。每年。修订状态申请。3 211-231.
[42] 施图登ỳ, M.和Vejnarová，J.（1998年）。多重信息函数作为测量随机相关性的工具。图形模型学习261-297。斯普林格·Zbl 0917.60013号
[43] Teh，Y.W.、Jordan，M.I.、Beal，M.J.和Blei，D.M.（2005）。在相关组之间共享集群：分层Dirichlet过程。神经信息处理系统进展1385-1392。
[44] Tiedeman，D.（1955）。关于类型的研究。模式分析研讨会1-14。
[45] Visscher，P.M.、Brown，M.A.、McCarthy，M.I.和Yang，J.（2012）。GWAS发现五年。Am.J.Hum.遗传学。90 7-24.
[46] Watanabe，S.（1960年）。多元相关的信息理论分析。IBM研究开发杂志。4 66-82. ·Zbl 0097.35003号 ·数字对象标识代码：10.1147/rd.41.0066
[47] Wolfe，J.H.（1970年）。多元混合分析的模式聚类。多变量。行为。第5号决议329-350。
[48] Yu，J.，Pressoir，G.，Briggs，W.H.，Bi，I.V.，Yamasaki，M.，Doebley，J.F.，McMullen，M.D.，Gaut，B.S.，Nielsen，D.M.，Holland，J.B.等人（2006年）。一种用于关联映射的统一混合模型方法，用于解释多层次的关联性。自然遗传学。38 203-208.
[49] Zhou，H.、Blangero，J.、Dyer，T.D.、Chan，K.K.、Lange，K.和Sobel，E.M.（2017）。系谱和群体数据上的快速全基因组QTL关联图谱。遗传学。流行病。41 174-186.
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。