正規混合モデルによるロバストクラスタリング:擬似β尤度アプローチ【JST・京大機械翻訳】

Chakraborty Soumya; Basu Ayanendranath; Ghosh Abhik

プレプリント

J-GLOBAL ID：202202205918916259 整理番号：22P0189567

正規混合モデルによるロバストクラスタリング:擬似β尤度アプローチ【JST・京大機械翻訳】

Robust Clustering with Normal Mixture Models: A Pseudo $\beta$-Likelihood Approach

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 (3件)： , ,
資料名：
発行年： 2020年09月10日プレプリントサーバーでの情報更新日： 2023年12月19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。

他の推定シナリオのように,通常の混合セットアップにおける尤度ベース推定は,モデル誤指定と異常値の存在(不良設定最適化問題から)に対して非常に非ロバストである。この推定問題に対する通常の尤度手法に対するロバストな代替案を提案し,同時推定とデータクラスタリングを行い,その後の異常検出を導いた。ロバスト性を呼び出すために,密度電力発散(あるいは,代わりに,β-尤度の最大化)の最小化に基づく方法論を,適切な制約の下で利用した。反復再加重最小二乗アプローチを,同時データクラスタリングに導く成分平均(または等価クラスタ中心)と成分分散行列のための提案推定器を計算するために追跡した。また,いくつかの探索技法を,統計と機械学習の領域で非常に重要な問題,異常検出のために提案した。提案方法を,種々のセットアップの下でシミュレーション研究で検証した。K-medoid,TCLUST,trimmed K-meansおよびMCLUSTのような一般的な既存の方法と比較して,特に,混合成分(すなわち,クラスタ)が有意な重複または外れたクラスタを有する領域を共有するとき,それは,小さいが無視できない重み(特により高い次元において)が存在するとき,競合的に,または,より良く機能した。また,2つの実データセットを用いて,画像処理における応用とともに,他のものとの比較において,新しく提案した方法の性能を説明した。提案方法は,低い誤分類率のクラスタを検出し,これらのデータセットから外れた(異常)観測を上手く指摘する。【JST・京大機械翻訳】

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

人工知能 , 通信方式一般 , パターン認識 , 雑音理論

, ,

前のページに戻る