Dimension reduction for model-based clustering via mixtures of shifted asymmetric Laplace distributions

یک روش کاهش اندازه برای خوشه بندی مبتنی بر مدل با استفاده از یک مخلوط محدود از توزیع لاپلاس نامتقارن منتقل شده است. این رویکرد بر اساس کار موجود در پارادیم گاوس است و به شناسایی یک زیر فضای کاهش یافته بستگی دارد. این زیرمجموعه شامل ترکیب خطی داده های اصلی است که با استفاده از مقادیر ویژه مرتبط با اهمیت مرتب می شود. این رویکرد خوشه بندی در داده های شبیه سازی شده و واقعی نشان داده شده است، جایی که در مقایسه با آنالوگ گاوسی، مطلوب است.