کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6870326 | 681394 | 2014 | 24 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Model-based clustering via linear cluster-weighted models
ترجمه فارسی عنوان
خوشه بندی مبتنی بر مدل با استفاده از مدل های خوشه ای خطی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
مدل وزن خوشه ای، مدلهای مخلوط با متغیرهای تصادفی، خوشه بندی مبتنی بر مدل، توزیع چند متغیره،
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نظریه محاسباتی و ریاضیات
چکیده انگلیسی
A novel family of twelve mixture models with random covariates, nested in the linear t cluster-weighted model (CWM), is introduced for model-based clustering. The linear t CWM was recently presented as a robust alternative to the better known linear Gaussian CWM. The proposed family of models provides a unified framework that also includes the linear Gaussian CWM as a special case. Maximum likelihood parameter estimation is carried out within the EM framework, and both the BIC and the ICL are used for model selection. A simple and effective hierarchical-random initialization is also proposed for the EM algorithm. The novel model-based clustering technique is illustrated in some applications to real data. Finally, a simulation study for evaluating the performance of the BIC and the ICL is presented.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Statistics & Data Analysis - Volume 71, March 2014, Pages 159-182
Journal: Computational Statistics & Data Analysis - Volume 71, March 2014, Pages 159-182
نویسندگان
Salvatore Ingrassia, Simona C. Minotti, Antonio Punzo,