列夫·哈萨克科夫采夫;德米特里·斯塔什科夫;米哈伊尔·古迪玛;Kazakovtsev,弗拉基米尔 混合概率分布分离的贪婪启发式算法。 (英语) Zbl 1474.65171号 南斯拉夫。《运营杂志》。物件。 29,第1号,51-67(2019). 摘要:对于基于混合概率分布分离模型的聚类问题,我们提出了新的可变邻域搜索算法(VNS)和带有贪婪凝聚启发式过程的进化遗传算法(GA),并将其与已知算法进行了比较。新的遗传算法通过使用基于贪婪凝聚启发式过程的特殊交叉算子与EM算法(期望最大化)相结合来实现全局搜索策略。在我们的新VNS算法中,此组合用于形成随机邻域以搜索更好的解。在经典数据集上进行的计算实验和航天工业半导体器件批量生产的测试结果表明,与EM算法及其修改相比,新算法可以获得更好的结果,即更高的对数似然目标函数值。 引用于2文件 MSC公司: 65千5 数值数学规划方法 90 C59 数学规划中的近似方法和启发式 关键词:群集;可变邻域搜索;遗传算法;贪婪启发式;凝聚启发式;期望最大化 软件:SPSS软件;SAS公司;PRMLT公司 PDF格式BibTeX公司 XML格式引用 \textit{L.Kazakovtsev}等人,南斯拉夫。《运营杂志》。第29号决议,第1号,第51-67号(2019年;Zbl 1474.65171) 全文: 内政部 参考文献: [1] Orlov,V.I.,Stashkov,D.V.,Kazakovtsev L.A.,Stupina A.,“航天工业EEE组件的模糊聚类”,IOP会议系列:材料科学与工程,155(2016)文章ID 012026。 [2] 科罗廖夫,V.Yu。,EM-算法,其修改及其在概率分布混合分离问题中的应用,理论综述,IPIRAN,莫斯科,2007年。 [3] Bishop,C.,“模式识别和机器学习”。斯普林格,2006年·Zbl 1107.68072号 [4] Newcomb,S.,“观测组合以获得最佳结果的广义理论”,《美国数学杂志》,8(4)(1886)343-366·表格18.0183.01 [5] Pearson,K.,“对进化数学理论的贡献”,《伦敦皇家学会哲学学报》,185(1894)71-110·JFM 25.0347.02号 [6] Everitt,B.和Hand,D.J.,《有限混合分布》,《应用概率和统计学专著》,查普曼和霍尔出版社,英国,1981年·Zbl 0466.62018号 [7] McLachlan,G.J.和Basford,K.E.,混合模型。《聚类推理与应用》,马塞尔·德克尔,纽约,1988年·Zbl 0697.62050号 [8] Ayvazyan,S.A.、Buhshtaber,V.M.、Enyukov,I.S.和Meshalkin,L.D.,《应用统计学:分类和降维》[Prikladnaja statistika:klassifikacija I snizhenie razmernosti],《金融统计》,莫斯科,1989年·Zbl 0719.62070号 [9] McKendrick,A.G.,“数学在医学问题中的应用”,《爱丁堡数学学会学报》,44(1926)98-130·JFM 52.0542.04号 [10] Healy,M.J.R.和Westmacott,M.H.,“自动计算机上分析的实验中的缺失值”,应用统计学,5(1956)203-206。 [11] Shlezinger,M.I.,“模式识别中学习和自我组织的相互作用”,Kibernetika,4(2)(1968)81-88·Zbl 0193.48502号 [12] Dempster,A.、Laird,N.和Rubin,D.,《不完全数据的最大似然估计》,《皇家统计学会期刊》,B辑,39(1977)1-38·Zbl 0364.62022号 [13] Kazakovtsev,L.A.和Antamoshkin,A.N.,“位置问题的贪婪启发式方法”,Vestnik SibGAU,16(2)(2015)317-325。 [14] Kazakovtsev,L.A.和Antamoshkin,A.N.,“聚类和位置问题的快速贪婪启发式遗传算法”,Informatica,3(38)(2014)229-240。 [15] Celeux,G.和Govaert,A.,《聚类的分类EM算法和两个随机版本》,Rapport de Recherche de lINRIA 1364,Centrede Roccquiourt,1991·Zbl 0937.62605号 [16] Celeux,G.和Diebolt,J.,“SEM算法:从混合问题的EM算法衍生出的概率教师算法”,《计算统计季刊》,2(1)(1985)73-82。 [17] Picchini,U.和Samson,A.,“状态空间模型中参数推断的耦合随机EM和近似贝叶斯计算”,康奈尔大学图书馆,2017年,arXiv:1512.04831v6,DOI:10.1007/s00180-017-0770-y·Zbl 1417.65052号 [18] Matarazo,T.J.和Pakzad,S.N.,“使用期望最大化进行结构识别的STRIDE:模态识别的迭代输出唯一方法”,《工程力学杂志》,142(2016),DOI:10.1061/(ASCE)EM.1943-7889.0000951。 [19] Zaheer,M.、Wick,M.,Tristan,J.-B.、Smola A.和Steele,G.,用于大规模并行推断的指数随机元胞自动机,第19届人工智能与统计国际会议论文集,西班牙加的斯,2016,966-975。 [20] Zinovyev,A.,“政治和社会科学中的数据可视化”,《国际政治科学百科全书》,Sage Publications,CA,2011年。 [21] Yin,J.,Zhang Y.,Gao L.,《用频繁更新加速期望最大化算法》,IEEE集群计算国际会议论文集,北京,2012年,275-283。 [22] Kazakovtsev,L.A.、Orlov,V.I.、Stupina,A.A.和Kazakovsev,V.L.,“针对未知簇数的聚类问题的贪婪启发式新遗传算法”,Facta Universitatis,数学与信息学系列,30(1)(2015)89-106·Zbl 1460.90101号 [23] Kaufman,L.和Rousseeuw,P.J.,“通过Medoids进行聚类”,载于:Y.,Dodge(ed.),基于L1规范和相关方法的统计数据分析,North-Holland,1987,405-416。 [24] Mladenovic,N.和Hansen,P.“可变邻域搜索”,计算。操作。《决议》,24(1997)1097-1100·Zbl 0889.90119号 [25] Hansen,P.、Brimberg,J.、Urosevic,D.和Mladenovic N.,“通过原始-对偶变量邻域搜索解决大型P-中值聚类问题”,数据挖掘和知识发现,19(3)(2009)351-375。 [26] Hansen,P.,“可变邻域搜索”,搜索方法,收录于:E.K.Bruke和G.Kendall(编辑),Springer,US,(2005)211-238。 [27] Brimberg,J.、Hansen,P.和Mladenovic,N.,“可变邻域搜索中的吸引概率”,4OR:运筹学季刊,8(2010)181-194·兹比尔1193.90216 [28] Hansen,P.、Mladenovic,N.和Moreno Perez,J.A.,“可变邻域搜索:方法和应用”,4OR:运筹学季刊,6(2008)319-360·Zbl 1179.90332号 [29] Martins,P.,“目标聚类:基于VNS的启发式”,康奈尔大学图书馆,2017年,arXiv:1705.07666。 [30] Stashkov,D.V.,“混合分布分离问题的可变邻域搜索算法”,Sistemy upravleniya i informacionnye tehnologi,1(67)(2017)18-24。 [31] Dua,D.和KarraTaniskidou,E.,UCI机器学习库[http://archive.ics.uci.edu/ml]加州欧文:加利福尼亚大学信息与计算机科学学院,2017年。 [32] Franti,P.等人,“聚类数据集”[http://cs.uef.fi/sipu/datassets网站/], 2015. [33] Nielsen,S.F.,“随机EM算法:估计和渐近结果”,Bernoulli,6(2000)457-489·Zbl 0981.62022号 [34] Smucker,M.D.、Allan,J.和Carterette,B.,“信息检索统计显著性测试的比较”,第十六届ACM信息和知识管理会议论文集(CIKM’07),ACM,纽约,2007,623-632。 [35] Park,H.M.,“比较组均值:使用STATA、SAS和SPSS的t检验和单向方差分析”,印第安纳大学,2009年。 [36] Mann,Henry B.,Whitney,Donald R.,“关于两个随机变量中的一个是否随机大于另一个的测试”,《数理统计年鉴》,18(1)(1947)50-60·Zbl 0041.26103号 [37] Fay,Michael P.,Proschan,Michael A.,“Wilcoxon-Mann-Whitney或t-Test?关于假设检验的假设和决策规则的多重解释”,《统计调查》,第4期(2010年)第1-39页·Zbl 1188.62154号 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。