摘要
我们考虑分析多组观测数据的聚类分布的异质性问题,每组观测数据都由协变量值索引,并推断由在协变量域上聚集的观测值产生的全局聚类。基于空间建模的形式主义和Dirichlet过程的嵌套层次结构,我们提出了一种新的贝叶斯非参数方法。我们对模型属性进行了分析,联系并对比了局部集群和全局集群的概念。我们还提供了一个有效的推理算法,并在几个数据示例中演示了我们的方法的实用性,包括对象跟踪问题和功能标识信息不可用的功能数据的全局聚类分析。
引用
下载引文
玄龙阮。
“从本地分布的数据推断全局群集。”
贝叶斯分析。
5
(4)
817 - 845,
2010年12月。
https://doi.org/10.1214/10-BA529
问询处
出版日期:2010年12月
首次在欧几里得项目中提供:2012年6月19日
数字对象标识符:10.1214/10-BA529
关键词:高斯过程,全局聚类,图形模型,分层Dirichlet过程,局部聚类,马尔科夫蒙特卡洛,模型可识别性,非参数贝叶斯,空间相关性
版权所有©2010国际贝叶斯分析学会