杰伦·K·弗蒙特。;杰·马奇森 用于分类的潜在类模型。 （英语） Zbl 1429.62268号 计算。统计数据分析。 41，第3期，531-537（2003）. 摘要：概述了潜在类（LC）和其他类型的有限混合模型用于分类的最新发展。给出了现有模型的几个扩展。定义了用于分类的两种基本LC模型：有监督结构和无监督结构。给出了它们最重要的特殊情况，并用一个经验示例进行了说明。 引用于23文件 MSC公司： 62H30型 分类和区分；聚类分析（统计方面） 关键词：分类;前馈神经网络;贝叶斯网络;潜在类模型;有限混合模型;潜在类回归模型;潜在类别因素模型;专家的混合;监督学习 PDF格式BibTeX公司 XML格式引用 \textit{J.K.Vermunt}和\textit{J.Magidson}，计算。统计数据分析。41，第3号，531--537（2003；Zbl 1429.62268） 全文： 内政部 参考文献： [1] Agresti，A.，《分类数据分析》（1990），威利出版社：威利纽约·Zbl 0716.62001号 [2] Bishop，C.M.，《模式识别的神经网络》（1995），克拉伦斯出版社：克拉伦斯出版社牛津 [3] Clogg，C.C。；Goodman，L.A.，一组多维列联表的潜在结构分析，J.Amer。统计师。协会，79，762-771（1984）·Zbl 0547.62037号 [4] 代顿，C.M。；Macready，G.B.，伴随变量潜在类模型，J.Amer。统计师。协会，83，173-178（1988） [5] Hagenaars，J.A.，《面板、趋势和队列数据的分类纵向数据-对数线性分析》（1990年），Sage：Sage Newbury Park [6] 雅各布斯，R.A。；M.I.乔丹。；Nowlan，S.J。；Hinton，G.E.，本地专家的自适应混合，神经计算。，3, 79-87 (1991) [7] Kontkanen，P.、Myllymäki，P.和Tirri，H.，1996年。有限混合预测数据挖掘。摘自：Simoudis，E.，Han，J.，Fayyad，U.（编辑），《第二届知识发现和数据挖掘国际会议论文集》，AAAI出版社，加利福尼亚州门罗公园，第176-182页。；Kontkanen，P.、Myllymäki，P.和Tirri，H.，1996年。有限混合预测数据挖掘。In：Simoudis，E.，Han，J.，Fayyad，U.（编辑），《第二届知识发现和数据挖掘国际会议论文集》，AAAI出版社，加利福尼亚州门洛帕克，第176-182页。 [8] Magidson，J。；Vermunt，J.K.，《潜在阶级因素和集群模型、双平面图和相关图形显示》，《社会学》。Methodol.方法。，31, 223-264 (2001) [9] 梅隆，M。；Jordan，M.I.，《与树木混合学习》，J.Mach。学习研究，1，1-48（2000）·Zbl 1052.68116号 [10] 蒙蒂，S。；Cooper，G.F.，结合有限混合模型和幼稚贝叶斯模型的贝叶斯网络分类器，（Blackmond Laskey，K.；Prade，H.，《第十五届人工智能不确定性会议论文集》（1999），Morgan Kaufmann:Morgan Koufmann San Francisco），447-456 [11] 西西里亚诺，R。；Mooijart，A.，《无条件潜在预算分析：神经网络方法》（Borra，S.；Rocci，R.；Vichi，M.；Schader，M.，《分类和数据分析进展》（2000），Springer:Springer-Berlin），127-136 [12] Vermunt，J.K.，《事件历史的对数线性模型》（1997），Sage Publications:Sage Publications Thousand Oakes [13] 韦德尔，M。；DeSarbo，W.S.，《潜在类别回归模型的最新发展综述》（Bagozzi，R.P.，《营销研究的高级方法》（1994），布莱克威尔出版社：布莱克威尔出版社剑桥），352-388 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。