基于椭球等高分布混合模型的聚类方法

被引:3
作者
朱峰 [1 ]
宋余庆 [2 ]
陈健美 [2 ]
机构
[1] 江苏大学理学院
[2] 江苏大学计算机科学与通信工程学院
关键词
椭球等高分布; 有限混合模型; 聚类; EM算法; 核密度估计;
D O I
暂无
中图分类号
TP311.13 [];
学科分类号
1201 ;
摘要
为解决有限混合分布模型的聚类分析中分量密度函数选择问题,通过研究广义多元分析理论,提出了基于椭球等高分布混合模型的聚类算法.首先,利用与正态分布有许多相似性质的椭球等高分布族来构造混合分布模型,并引入标签变量,将基于椭球等高分布混合模型的聚类转化为模型参数估计问题;然后,通过极大似然估计法和EM算法进行模型一般变量参数的估计,而对于模型中确定椭球形状的函数参数变量采用核密度估计理论进行估计,并推导出参数求解E步及M步的迭代公式;最后,利用标签变量后验概率最大原则,进行元素类别的划分.均匀分布随机数模拟不同水平噪声的试验结果表明,所提出的方法对非正态分布数据具有较好的适应性和有效性.
引用
收藏
页码:701 / 705
页数:5
相关论文
共 5 条
[1]   基于高斯混合密度模型的医学图像聚类方法 [J].
宋余庆 ;
王春红 ;
陈健美 ;
谢从华 .
江苏大学学报(自然科学版), 2009, 30 (03) :293-296
[2]   一种基于活动轮廓和Gauss背景模型的固定摄像机运动目标分割算法 [J].
万成凯 ;
袁保宗 ;
苗振江 .
中国科学(F辑:信息科学), 2009, 39 (04) :391-396
[3]  
Finite mixture models and model-based clustering[J] . Volodymyr Melnykov,Ranjan Maitra.Statistics Surveys . 2010
[4]   Robust mixture modeling using multivariate skew t distributions [J].
Lin, Tsung-I .
STATISTICS AND COMPUTING, 2010, 20 (03) :343-356
[5]  
Discrete data clustering using finite mixture models .2 Nizar Bouguila,W ElGuebaly. Pattern Recognition . 2009