共変量および雑音成分を持つGauss型スパースクラスタリングモデル【JST・京大機械翻訳】

Murphy Keefe; Murphy Thomas Brendan

プレプリント

J-GLOBAL ID：202202200629810548 整理番号：21P0005508

共変量および雑音成分を持つGauss型スパースクラスタリングモデル【JST・京大機械翻訳】

Gaussian Parsimonious Clustering Models with Covariates and a Noise Component

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2017年11月15日プレプリントサーバーでの情報更新日： 2021年07月13日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

モデルのMoEClust集合を提案することによって,混合型固定共変量の存在下で利用可能な外部情報を説明する連続相関データに対するモデルベースクラスタリング法を考察した。これらのモデルは,共変量の関数として混合物のパラメータをモデル化することにより,成分重量および/または成分密度に影響する共変量の異なるサブセットを可能にする。成分共分散行列の制約固有分解パラメタリゼーションのよく知られた範囲も適応した。本論文は,このように,Gauss構文的クラスタリングモデルにおける共変量を含む等価目的と,専門家フレームワークのGauss混合のすべての特殊ケースに,構文的共分散構造を組み込んだ。MoEClstモデルは,単変量および多変量データセットの両方への応用において,両方の展望から著しい改善を示した。異常値を捕捉し,EMアルゴリズムの初期化,モデル選択,および結果の可視化を扱うための均一雑音成分を含む新しい拡張も提案した。【JST・京大機械翻訳】

, , , , ,
, , , , , , , , 【Automatic Indexing@JST】

人工知能 , システム・制御理論一般 , 図形・画像処理一般

, ,

前のページに戻る