克里斯托弗·雷尼;克里斯蒂娜·托托拉;弗朗西斯科·帕伦博 概率距离聚类的参数版本。 （英语） Zbl 1436.62281号 Greselin，Francesca（编辑）等人，《复杂数据的统计学习》。意大利统计学会分类和数据分析小组第11次科学会议论文选集（CLADAG 2017），2017年9月13-15日，意大利米兰。查姆：斯普林格。研究分类数据分析。知识。器官。，33-43 (2019). 概要：概率距离（PD）聚类方法基于一个基本假设，即对于每个统计单元，单元属于簇的概率与单元与簇中心之间的距离的乘积是恒定的。这个常数是点的可分类性的度量，单位上的常数之和称为联合距离函数（JDF）。最小化JDF的参数最大化了单元的可分类性。本文的目的是介绍一种基于概率密度函数的新距离测度，具体来说，我们使用多元高斯分布和Student-（t）分布。我们使用两个模拟数据集表明，使用基于这两个密度函数的距离可以提高PD聚类的性能。关于整个系列，请参见[Zbl 1427.62004年]. MSC公司： 62H30型 分类和区分；聚类分析（统计方面） 62F03型 参数假设检验 62H10型 统计的多元分布 关键词：PD聚类;聚类算法;高斯分布;多元Student分布;概率距离（PD）;关节距离函数 软件：对;特伊根;FPD集群;混合物;mvtnorm公司 PDF格式BibTeX公司 XML格式引用 \textit{C.Rainey}等人，in：复杂数据的统计学习。2017年9月13日至15日在意大利米兰举行的意大利统计学会分类和数据分析小组第十一届科学会议（CLADAG 2017）论文选。查姆：斯普林格。33-43（2019年；兹比尔1436.62281） 全文： 内政部 参考文献： [1] Andrews，J.L.，Wickins，J.R.，Boers，N.M.，McNicholas，P.D.:teigen：通过多元t分布进行基于模型的聚类和分类的R包。J.统计软件。83，1-32（2017） [2] Ben-Israel，A.，Iyigun，C.：概率d-聚类。25, 5-26 (2008) ·Zbl 1260.62039号 ·doi:10.1007/s00357-008-9002-z [3] Bezdek，J.C.，Ehrlich，R.，Full，W.：FCM：模糊C均值聚类算法。计算。地质科学。10, 191-203 (1984) ·doi:10.1016/0098-3004（84）90020-7 [4] Browne，R.P.，ElSherbiny，A.，McNicholas，P.D.：FCM：混合物：聚类和分类的混合物模型。R包版本1.4（2015）。https://cran.r-project.org/web/packages/mixture/index.html [5] Dempster，A.P.，Laird，N.M.，Rubin，D.B.：通过EM算法获得不完整数据的最大似然。J.R.Stat.Soc.B满足Ser。B 39，1-38（1977）·Zbl 0364.62022号 [6] Everitt，B.S.、Landau，S.、Leese，M.、Stahl，D.：聚类分析。概率统计威利级数。威利，纽约（2011）·Zbl 1274.62003年 ·doi:10.1002/9780470977811 [7] Genz，A.、Bretz，F.、Miwa，T.、Mi，X.、Leisch，F.，Scheipl，F.和Hothorn，T.：mvtnorm：多元正态分布和T分布。R软件包版本1.0-7（2009）。https://cran.r-project.org/web/packages/mvtnorm/index.html [8] Gordon，A.D.：分类，第二版。查普曼和霍尔/CRC，博卡拉顿（1999）·Zbl 0929.62068号 [9] Hubert，L.，Arabie，P.：比较分区。J.分类。2, 193-218 (1985) ·Zbl 0587.62128号 ·doi:10.1007/BF01908075 [10] Iyigun，C.：概率距离聚类。新泽西州立大学博士论文（2007） [11] Iyigun，C.，Ben-Israel，A.：根据簇大小调整的概率距离聚类。普罗巴伯。工程师通知。科学。22, 68-125 (2008) ·Zbl 1152.68500号 ·doi:10.1017/S0269964808000351 [12] MacQueen，J.：多元观测分类和分析的一些方法。摘自：《第五届伯克利研讨会论文集》，第1卷，第281-297页（1967年）·Zbl 0214.46201号 [13] McLachlan，G.J.，Peel，D.：有限混合模型。Wiley Interscience，纽约（2000年）·Zbl 0963.62061号 ·doi:10.1002/0471721182 [14] R核心团队：R：统计计算的语言和环境。R统计计算基金会，维也纳（2016年） [15] Rand，W.M.：评价聚类方法的客观标准。《美国统计协会期刊》66，846-850（1971）·doi:10.1080/01621459.1971.10482356 [16] Theodoridis，S.，Koutroumbas，K.：模式识别，第2版。学术出版社，纽约（2003）·Zbl 1093.68103号 [17] Tortora，C.，McNicholas，P.D.：FPD聚类：PD-聚类和因子PD-聚类。R包版本1.1（2016）。https://cran.r-project.org/web/packages/FPDclustering/index.html [18] 托托拉，C·Zbl 1414.62279号 ·doi:10.1007/s11634-015-0219-5 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。