Multivariate Cluster Weighted Models Using Skewed Distributions
在聚类加权模型(CWM)领域已经做了大量的工作,它扩展了有限混合回归模型,包括协变量的建模。虽然许多类型的分布已被认为是响应和协变量,据我们所知,偏态分布尚未被认为是在这个范例。在此,考虑了一个24种新型CWM的家族,其允许使用四种偏态分布或正态分布中的一种对协变量和响应变量进行建模。参数估计使用期望最大化算法进行,并使用模拟和真实数据进行说明。
2021-03-17 stat.ME
Robust mixture regression based on the skew t distribution
在这项研究中,我们提出了一个强大的混合回归过程的基础上偏t分布模型重尾和/或偏误的混合回归设置。利用斜t分布的尺度混合表示,我们给出了一个期望最大化(EM)算法来计算感兴趣的参数的最大似然(ML)估计。模拟研究和实际数据的例子证明了所提出的估计的性能。
2015-12-01 math.ST stat.ME stat.TH
Family of multivariate extended skew-elliptical distributions: Statistical properties, inference and application
本文基于椭圆对称分布提出一类定义在实数集任意子集上的多元扩展偏斜椭圆分布族,系统研究其统计性质与参数估计,并通过模拟和社会经济数据验证方法的有效性。
2024-08-30 stat.ME
On the fitting of mixtures of multivariate skew t-distributions via the EM algorithm
我们展示了如何期望最大化(EM)算法可以准确地适用于一般多元斜t(MST)分布的混合物的拟合,消除了计算昂贵的蒙特卡罗估计的需要。MST分布的有限混合已被证明是有用的非对称和重尾行为的异构数据建模。最近,他们已被利用作为一个有效的工具,流式细胞仪数据建模。然而,没有限制的成分的倾斜t分布的特征,蒙特卡罗方法已被用来拟合这些模型。在本文中,我们展示了如何期望最大化算法可以实现的迭代计算的最大似然估计的模型参数,而不诉诸蒙特卡罗方法与无限制的MST组件的混合物。半无限积分在期望最大化算法的E步上的快速计算是通过注意到它们可以以截断的多元t分布的矩的形式来实现的,随后可以根据快速算法可用的t分布函数的非截断形式来表示。我们证明了所提出的方法的实用性,通过一些应用程序,三个真实的数据集。
2012-09-05 stat.ME
A simple multithreaded implementation of the EM algorithm for mixture models
有限混合模型已被广泛用于异质群体数据的建模和分析。参数的极大似然估计通常通过期望最大化(EM)算法来执行。算法实现的复杂性取决于混合模型的组分密度所采用的参数分布。例如,在偏正态分布和偏t分布的情况下,E步将涉及计算昂贵的复杂表达式。对于大型和/或高维数据集,这可能非常耗时。在本文中,我们开发了一个多线程版本的期望最大化算法的有限混合模型的拟合。由于这些模型的算法结构,E-和M-步骤可以很容易地重新制定为跨多个线程并行执行,以利用现代多核机器中可用的处理能力。我们的方法简单且易于实现,只需要对标准代码进行很小的更改。为了说明这种方法,我们专注于一个相当一般的混合模型,其中包括一些最常用的混合模型,包括正常的,t-,斜态和斜t-混合模型的特殊或限制情况。
2016-06-07 stat.CO
Mixtures of Multivariate Power Exponential Distributions
引入了多元幂指数分布混合分布的扩展族。虽然拟合重尾和偏度最近在基于模型的聚类文献中受到了广泛关注,但我们研究了可以处理不同尾重和峰值数据的分布的使用。一个家庭的简约模型,提出了使用特征分解的尺度矩阵。提出了一种广义的期望最大化算法,该算法结合了基于最小化-最大化方法的凸优化和基于Stiefel流形上加速线搜索算法的优化.最后,使用玩具和基准数据说明了这一系列模型的实用性。
2015-06-12 stat.CO stat.ME
Clustering using skewed multivariate heavy tailed distributions with flexible tail behaviour
位置和尺度混合高斯族具有产生许多灵活分布形式的能力。它嵌套的特殊情况下,几个重要的非对称分布,如广义双曲分布。广义双曲分布又嵌套了许多其他众所周知的分布,例如正态逆高斯分布(NIG),其实际相关性已在文献中广泛记录。在多变量环境中,我们建议将标准位置和尺度混合概念扩展到所谓的多尺度框架中,该框架具有允许在变量空间的每个维度中具有任意维度之间的相关性的不同尾部和偏斜行为的优点。通过期望最大化算法提供参数估计,特别关注NIG分布。推理,然后扩展到覆盖的情况下,这样的多个缩放分布的混合物应用聚类。对模拟数据和实际数据的评估证实,在模拟不同尾翼行为和方向形状的数据时,自由度和灵活性有所增加。
2014-08-01 stat.AP stat.ME
A Multivariate Poisson-Log Normal Mixture Model for Clustering Transcriptome Sequencing Data
在高通量测序研究中经常遇到离散和偏斜性质的高维数据。分析网络本身或这类数据中基因之间的相互作用仍然存在许多挑战。由于数据可视化技术对于更高维度变得繁琐,并且当数据中同质子组之间没有明确的分离时无法令人信服,聚类分析提供了一种直观的替代方案。在这种情况下,应用基于混合模型的聚类的目的是发现共表达的基因组,这可以揭示基因产物的生物学功能和途径。提出了一种用于高通量转录组测序数据聚类的多变量Poisson-Log Normal(MPLN)混合模型。MPLN模型能够拟合广泛的相关性和过度分散情况,并且是对RNA测序研究的多变量计数数据建模的理想选择。通过马尔可夫链蒙特卡罗期望最大化算法(MCMCM-EM)进行参数估计,并使用信息准则进行模型选择。
2017-11-30 q-bio.QM stat.CO stat.ME
Finite Mixtures of Canonical Fundamental Skew t-Distributions
这是Lee和McLachlan(2014 b)论文的扩展版本,增加了模拟和应用。本文介绍了一种基于模型的聚类方法的典型基本偏斜t(CFUST)分布的有限混合,其中聚类是不对称的,并且可能是长尾的(Lee和McLachlan,2014 b)。CFUST分布族包括受限多元偏斜t(rMST)和非受限多元偏斜t(uMST)分布作为特例。近年来,人们提出了几种不同形式的多元偏斜t(MST)模型,并提出了各种EM型参数估计算法。这些配方采用了限制或不受限制的表征其MST密度。在本文中,我们研究了这些发展的自然推广,采用CFUST分布作为参数族的组件分布,并指出,限制和无限制的特征可以统一在这个一般的配方。我们表明,期望最大化算法的精确实现可以实现CFUST分布和混合的分布,并提出了一些新的分析结果的条件期望参与的E-步骤。
2014-05-04 stat.ME
Skew-Gaussian Random Fields
偏度通常存在于广泛的空间预测问题中,在空间背景下对其进行建模仍然是一个具有挑战性的问题。在这项研究中,斜高斯随机场被认为是。利用多元闭偏正态分布正态分布构造了偏高斯随机场,该分布是传统正态分布的推广。我们提出了一个梅特罗波利斯-黑斯廷斯算法有效地模拟实现从随机场,和一个算法估计参数的极大似然与蒙特卡罗近似的可能性。我们证明和评估的合成情况下的算法。在偏高斯随机场的偏度被发现是强烈的影响,在现场的空间相关性,和参数估计出现一致的随机场的大小增加。此外,我们在北海Sleipner油田的实际地震数据上使用多元随机场预测环境中的闭合偏正态分布。
2014-02-05 stat.ME
A Multi-Resolution Spatial Model for Large Datasets Based on the Skew-t Distribution
大型的非高斯空间数据集构成了相当大的建模挑战,因为模型所隐含的依赖结构需要在不同的尺度上捕获,同时保留可行的推理。斜态分布和斜态t分布最近才开始出现在空间统计学文献中,但是,没有太多的考虑,在多个分辨率捕获依赖的能力,并同时实现可行的推理越来越大的数据集。本文介绍了第一个受偏t分布启发的多分辨率空间模型,其中大尺度效应遵循多元正态分布,细尺度效应遵循多元偏正态分布。由此产生的边缘分布为每个区域的偏态-t,从而允许更大的灵活性,在捕捉偏态和重尾表征许多环境数据集。使用蒙特卡罗期望最大化算法执行基于可能性的推断。该模型是作为一个随机发电机的每日风速在沙特阿拉伯。
2017-12-06 stat.ME
Two statistical problems for multivariate mixture distributions
Universidad de San Andrés, Argentina and Pedeciba Matemática, Uruguay(圣安德烈斯大学,阿根廷及乌拉圭数学发展委员会);Instituto de Estadística, Departamento de Métodos Cuantitativos, FCEA, Universidad de la República, Uruguay(乌拉圭共和国大学经济学院定量方法系统计研究所);Département de mathématiques et de statistique, Université Laval, Québec City, G1V 0A6, Québec, Canada(拉瓦尔大学数学与统计系)
本文研究了基于单变量投影估计多元正态分布和t分布混合模型,以及通过两种聚类模型诱导的混合分布差异量化问题,提出基于模型的分布差异度量方法,并通过模拟比较与EM算法的鲁棒版本。
2026-06-12 math.ST stat.TH
Robust model-based clustering via mixtures of multivariate pseudo-Voigt distributions
University of British Columbia-Okanagan(不列颠哥伦比亚大学奥肯那根分校)
该研究提出多元伪沃伊特分布混合模型,用于鲁棒基于模型聚类与异常值检测,经模拟与真实数据验证,在重尾数据上的聚类及异常值检测性能优于现有模型。
2026-08-31 stat.ME stat.ML
MaxSkew and MultiSkew: Two R Packages for Detecting, Measuring and Removing Multivariate Skewness
偏度在多变量统计技术中起着重要的作用。有时它用于恢复数据特征,如聚类分析。在其他情况下,偏度会损害统计方法的性能,如霍特林单样本检验。在这两种情况下,都需要通过目视检查或正式测试来检查潜在分布的对称性。R软件包MaxSkew和MultiSkew通过测量、测试和从多变量数据中去除偏度来解决这些问题。偏度由第三多元累积量及其函数来评估。对称性假设的检验可以是非参数化的自助法,也可以是参数化的正态性假设。通过将数据投影到适当的线性子空间上来消除或至少减轻偏斜。MaxSkew和MultiSkew的用法在Iris数据集上进行了说明。
2019-03-25 stat.CO
Objective Bayesian analysis for the multivariate skew-t model
我们进行贝叶斯分析的p变量偏t模型,提供了一个新的参数化,一组非信息先验和专门设计的采样器,以探索模型参数的后验密度。扩展,如带有偏斜误差的多元回归模型和随机前沿模型,很容易适应。本文中引入的新颖性是通过将Liseo & Parisi(2013)中给出的二元偏态正态模型扩展到更现实的p-变量偏态t模型来给出的。我们还介绍了R包mvst,它允许估计多变量skew-t模型。
2017-05-03 stat.CO stat.ME
Identification in Bayesian Estimation of the Skewness Matrix in a Multivariate Skew-Elliptical Distribution
Harvey et al.(2010)将Sahu et al.(2003)的贝叶斯估计方法扩展到具有一般偏度矩阵的多元偏椭圆分布,并将其应用于具有更高矩的贝叶斯投资组合优化。虽然他们的方法是划时代的,因为它可以处理资产收益之间的偏度依赖关系,并将更高的时刻到投资组合优化,它不能识别偏度矩阵中的所有元素,由于吉布斯采样器中的标签切换。为了处理这个识别问题,我们建议修改他们的采样算法,通过对多元斜椭圆分布的偏度矩阵施加正下三角约束和改进的可解释性。此外,我们提出了一个贝叶斯稀疏估计的偏度矩阵与马蹄之前,以进一步提高精度。在仿真研究中,我们证明了所提出的方法与识别约束可以成功地估计的真实结构的偏度依赖,而现有的方法遭受的识别问题。
2021-08-09 q-fin.PM stat.CO stat.ME
Flexible Modeling of Multivariate Skewed and Heavy-Tailed Data via a Non-Central Skew t Distribution: Application to Tumor Shape Data
提出多元非中心偏态 t 分布,通过卡方变量缩放偏态正态向量实现灵活建模,推导理论性质并用蒙特卡洛近似进行估计,在乳腺癌肿瘤形状数据上表现优于标准替代模型。
2025-07-14 stat.CO stat.ME
A Bayesian approach for clustering skewed data using mixtures of multivariate normal-inverse Gaussian distributions
非高斯混合模型在基于混合模型的聚类中得到越来越多的关注,特别是在处理具有偏态和重尾等特征的数据时。在这里,这样的混合分布,基于多元正态逆高斯(MNIG)分布。对于混合模型的参数估计,采用基于Gibbs抽样的贝叶斯方法,提出了一种模拟单变量广义逆高斯随机变量和矩阵广义逆高斯随机矩阵的新方法.该算法将被应用到模拟和真实数据。通过仿真研究和实际数据分析,我们表明参数恢复,我们的方法提供了竞争力的聚类结果相比,其他聚类方法。
2020-05-06 stat.CO
A Mixture of SDB Skew-t Factor Analyzers
斜t分布的混合为基于模型的聚类提供了灵活的选择。这类混合模型可以使用各种斜t分布公式来实现。在这里,我们开发了一个混合的偏-t因子分析模型的聚类高维数据使用灵活的配方的偏- t分布。我们的方法,它代表了一个灵活的偏t分布的混合因子分析模型的扩展,方法的细节,概述和详细的参数估计提供。聚类结果进行了说明和比较的一种替代配方的混合物的偏T因子分析模型以及混合物的因子分析模型。
2017-05-05 stat.CO stat.ME
On the Computation of Multivariate Scenario Sets for the Skew-t and Generalized Hyperbolic Families
我们研究的问题,计算多变量的情况下设置偏态分布。我们的兴趣是由潜在的使用这样的集在“压力测试”的保险公司和银行的偿付能力是依赖于一组金融“风险因素”的变化。我们定义多变量场景集的基础上的概念,半空间深度(HD),并引入了预期深度(ED)的概念,其中半空间是由预期,而不是分位数。然后,我们使用HD和ED函数来定义凸场景集,将分位数和期望值的概念推广到更高的维度。在椭圆分布的情况下,这些集合与由密度函数的轮廓所包围的区域一致。在多元偏态分布的情况下,等深线和密度线的等价性一般不成立。我们考虑两个参数的家庭,占偏态和重尾:广义双曲和斜t分布。通过利用一个典型的形式表示,其中偏度是完全吸收的一个组件,我们表明,这些分布的HD轮廓是“近椭圆”,并在斜柯西分布的情况下,我们证明,HD轮廓是完全椭圆形的。我们提出了一个措施的多元偏度作为偏离角对称性,并表明它可以解释质量的椭圆近似的HD轮廓。
2014-02-04 math.ST stat.CO stat.TH
Finite Mixtures of Skewed Matrix Variate Distributions
聚类是在数据中发现底层组结构的过程。虽然基于混合模型的聚类是牢固建立在多变量的情况下,有一个矩阵变量分布的工作相对较少,没有与偏态矩阵变量分布的混合物的聚类。四个有限的混合物被认为是偏态矩阵变量分布。参数估计是使用期望条件最大化算法,并模拟和真实数据用于说明。
2018-03-05 stat.CO stat.ME
Goodness-of-fit tests for multivariate skewed distributions based on the characteristic function
我们采用一般的蒙特卡罗方法来测试复合假设的拟合优度几个流行的多变量模型,可以容纳不对称和重尾。具体而言,我们考虑加权L2型测试的差异措施的基础上,涉及经验特征函数之间的距离,从而避免需要采用相应的人口数量,这可能是未知的或复杂的工作。我们测试的唯一要求是,我们应该能够从测试分布中抽取样本,并拥有一个合理的方法来估计未知的分布参数。利用蒙特卡罗方法研究了几类偏态分布在有限样本下检验准则的性能。真实数据的例子也被包括来说明我们的方法。
2023-03-08 math.ST stat.CO stat.ME
alphastable: An R Package for Modelling Multivariate Stable and Mixture of Symmetric Stable Distributions
稳定分布族由于同时考虑了偏态和重尾,在许多研究领域得到了广泛的应用。在本文中,我们介绍了一个用R语言编写的软件包,称为Alphastable。Alphastable执行各种任务,包括:1-从单变量,截断和多变量稳定分布生成随机数。2-计算一元和多元椭圆等高稳定分布的概率密度函数,3-计算一元稳定分布的分布函数,4-估计一元对称稳定分布、一元柯西分布、柯西混合分布、一元对称稳定分布、多元椭圆等高稳定分布和多元严格稳定分布的参数。这个包,因为它将被证明,是非常有用的建模数据在单变量和多变量的情况下,出现在金融和经济领域。
2018-09-25 stat.CO
Mixtures of Common Skew-t Factor Analyzers
针对高维数据的模型聚类问题,提出了一种常见的偏t因子分析混合模型。通过假设共同的成分因子载荷,该模型允许在存在大量混合成分的情况下或者当维度的数量太大而不能由因子分析器模型的混合物或其变体很好地建模时执行聚类。此外,假设组分密度遵循偏斜- t分布,允许偏斜数据的稳健聚类。采用交替期望-条件最大化算法进行参数估计。当我们的模型应用于真实和模拟数据时,我们表现出出色的聚类性能。本文标志着首次使用倾斜的公因子。
2013-08-30 stat.AP stat.CO stat.ME
Mixtures of Skewed Matrix Variate Bilinear Factor Analyzers
近年来,数据已经变得越来越高维,因此,增加了对用于聚类的降维技术的需求。虽然这种技术在多变量数据的文献中已经牢固建立,但在矩阵变量或三向数据领域相对较少。此外,可用的几种方法都假设矩阵变量正态性,如果存在聚类偏度或过度峰度,这并不总是明智的。提出了使用偏态矩阵变量分布的双线性因子分析器的混合。在所有,四个这样的混合模型,矩阵变量偏t,广义双曲,方差伽玛,正态逆高斯分布的基础上,分别。
2019-09-27 stat.CO stat.ME stat.ML
Flexible modeling of bimodal distributions via skewed-$t$ mixtures
Department of Economics and Management, University of Trento(特伦托大学经济与管理学院)
提出基于Fernández和Steel (1998)偏斜-t分布的混合模型,通过EM算法进行极大似然估计,并开发似然比检验,用于拟合双峰、偏斜和厚尾数据,在标准普尔500指数中验证了双峰性。
2026-06-19 stat.CO stat.ME
Clustering data with values missing at random using scale mixtures of multivariate skew-normal distributions
University of Pretoria(比勒陀利亚大学);San José State University(圣何塞州立大学);University of Catania(卡塔尼亚大学)
针对含偏态、厚尾特征的随机缺失数据聚类难题,扩展FMSMSN族并提出适配的增广EM类算法,经仿真验证性能后应用于全球CO₂排放数据,兼具灵活性与实用性。
2025-07-27 stat.CO stat.ME
ContaminatedMixt: An R Package for Fitting Parsimonious Mixtures of Multivariate Contaminated Normal Distributions
我们介绍的R包污染的混合物,设想传播使用多变量污染的正态分布作为一种工具,强大的聚类和分类下的共同假设的椭圆轮廓组。该模型的13个变体也被实现,以引入简约。采用期望-条件最大化算法获得极大似然参数估计,并采用基于似然的模型选择准则选择模型和组数。当需要拟合多个模型时,可以在多核PC和计算机集群上使用并行计算。与多变量正态分布和t分布的更流行的混合物不同,该方法还允许通过最大后验概率过程自动检测轻度离群值。为了说明该软件包的使用,人工和真实数据的应用。
2016-06-12 stat.CO
EMMIX-uskew: An R Package for Fitting Mixtures of Multivariate Skew t-distributions via the EM Algorithm
本文描述了一种非限制多元斜t分布的有限混合函数的拟合算法。软件包EMMIX-uskew实现了一个封闭形式的期望最大化(EM)算法,用于计算R中(无限制)FM-MST模型参数的极大似然(ML)估计。EMMIX-uskew还支持二维和三维拟合轮廓的可视化,以及从指定的FM-uMST分布生成随机样本。斜t分布的有限混合物已被证明是有用的非对称和重尾行为,例如,从流式细胞术的数据集的异质数据建模。近年来,各种版本的混合物与多元斜t(MST)分布已被提出。然而,这些模型采用了一些限制性特征的组件MST分布,使E-步骤的期望最大化算法可以评估在封闭的形式。本文重点研究了具有无限制MST分量的混合模型,并描述了一种计算其模型参数ML估计的迭代算法。该算法的实用性证明在三个应用程序的真实数据集。第一个示例通过将MST分布拟合到双变量单峰流式细胞术样本来说明软件包中主函数fmmst的使用。第二个例子适合MST分布的混合物,澳大利亚体育研究所(AIS)的数据,并证明EMMIX-uskew可以提供更好的聚类结果比混合物的限制MST组件。在第三示例中,EMMIX-uskew被应用于对三变量流式细胞术数据集中的细胞进行分类。与其他可用的方法的比较表明,EMMIX uskew的结果实现了较低的误分类率相对于基准门控分析给出的标签。
2013-03-28 stat.CO stat.ME
EMMIXcskew: an R Package for the Fitting of a Mixture of Canonical Fundamental Skew t-Distributions
本文给出了一个R软件包EMMIX cskew,用于通过极大似然(ML)拟合典型基本斜t分布(CFUST)及其有限混合分布(FM-CFUST)。CFUST分布提供了一系列灵活的模型来处理非正态数据,并带有用于捕获数据中偏态和重尾的参数。它形式上包含正态分布、t分布和偏正态分布作为特殊和/或极限情况。一些其他版本的偏t分布也嵌套在CFUST分布中。在本文中,一个期望最大化(EM)算法计算的FM-CFUST模型的参数的ML估计,并讨论和说明了不同的策略初始化算法。该方法在EMMIXcskew包中实现,并使用两个真实数据集给出了示例。EMMIXcskew包包含拟合FM-CFUST模型的函数,包括生成不同初始值的过程。其他功能包括随机样本生成和2D和3D轮廓可视化。
2017-02-09 stat.CO stat.ME
Parsimonious mixtures of multivariate contaminated normal distributions
多元污染正态分布的混合开发基于模型的聚类。除了经典的正常的混合物的参数,我们的污染的混合物,对于每个集群,一个参数控制温和的离群值的比例和一个指定的污染程度。至关重要的是,这些参数不必事先指定,为我们的方法增加了灵活性。通过分量协方差阵的特征分解引入了简约性,并给出了所有成员可识别的充分条件。一个期望条件最大化算法概述了参数估计和各种实施问题进行了讨论。使用一个大规模的模拟研究,所提出的方法的行为进行了研究和比较,以及建立有限的混合物。这个新的家庭的模型的性能也说明了人工和真实的数据。
2016-05-19 stat.CO stat.ME
First-order multivariate integer-valued autoregressive model with multivariate mixture distributions
本文提出一阶多元整数值自回归模型以灵活刻画多元整数值时间序列的相关结构,建立平稳性与遍历性,并基于EM算法进行参数估计,通过模拟和真实犯罪数据验证了模型优势。
2023-11-30 stat.CO stat.ME
Laplace and skew-Laplace approximations for Dirichlet process mixture posterior density
University of Milano-Bicocca(米兰比可卡大学);Bocconi University(博科尼大学)
本文研究了狄利克雷过程混合模型后验密度估计中拉普拉斯和斜拉普拉斯近似方法的性能,通过数值实验比较了标准拉普拉斯近似、修正斜拉普拉斯近似和切片采样基准,发现斜拉普拉斯近似在复杂密度结构中能显著提升后验恢复精度。
2026-04-28 stat.CO stat.ME
Deep Skew-t Mixture Models
The University of Queensland(昆士兰大学);Guangdong University of Finance and Economics(广东财经大学)
针对分量分布兼具重尾与方向不对称性的高维聚类问题,提出深度偏t混合模型,经模拟与真实数据验证,其在偏度较强、重尾及小样本等场景下聚类性能优于相关基准模型。
2026-09-02 stat.CO stat.ME stat.ML
Finite Mixtures of Multivariate Poisson-Log Normal Factor Analyzers for Clustering Count Data
本文提出基于协方差约束的多元泊松-对数正态因子分析器混合模型,用于计数数据聚类,通过变分推断估计参数,在RNA测序数据上表现良好。
2023-11-13 stat.CO stat.ME stat.ML
Asymmetric Clusters and Outliers: Mixtures of Multivariate Contaminated Shifted Asymmetric Laplace Distributions
开发了多变量污染移位非对称拉普拉斯分布的混合,用于在存在离群值(本文中也称为坏点)的情况下处理非对称聚类。除了相关的非污染混合物的参数,对于每个(不对称)集群,我们的模型有一个参数控制离群值的比例和一个指定的污染程度。至关重要的是,这些参数不必事先指定,为我们的方法增加了灵活性,这是其他方法(如修剪)所缺乏的。此外,每个观察被给予属于特定聚类以及是否为离群值的后验概率;有利地,这允许离群值的自动检测。一个期望条件最大化算法概述了参数估计和各种实施问题进行了讨论。所提出的模型的行为进行了研究,并与完善的有限混合物,人工和真实的数据。
2018-04-24 stat.CO stat.ME stat.ML
Clustering Multivariate Data using Factor Analytic Bayesian Mixtures with an Unknown Number of Components
最近的工作过拟合贝叶斯混合分布提供了一个强大的框架,使用潜在的高斯模型,类似于因子分析模型的聚类多变量数据。过拟合混合模型提供的灵活性产生了一个简单而有效的方法,以估计未知数量的集群和模型参数的马尔可夫链蒙特卡罗(MCMC)抽样。本研究通过考虑一组8个参数化扩展了这种方法,从而产生了每个聚类的协方差阵的简约表示。为了近似地从过拟合混合物的后验分布中采样,实现了与先前的并行回火方案相结合的Gibbs采样器。根据贝叶斯信息准则选择参数化和因子数。与标签切换相关的可识别性问题通过使用等价类代表算法对模拟输出进行后处理来处理。贡献的方法和软件进行了演示和比较,类似的模型估计使用期望最大化算法的模拟和真实的数据集。该软件可在https://CRAN.R-project.org/package=fabMix上在线获得。
2019-06-02 stat.CO stat.ME
Covariate-guided Bayesian mixture model for multivariate time series
随着脑活动和结构测量技术的迅速发展,现代脑成像的统计分析方法在科学进步中发挥着重要作用。测量脑功能的成像数据通常是多变量时间序列,并且在成像源和受试者之间是异质的,这导致各种统计和计算挑战。在本文中,我们提出了一种基于组的方法,通过贝叶斯混合平滑样条聚类的多元时间序列的集合。我们的方法假设每个多元时间序列是具有不同混合权重的多个分量的混合。与时间无关的协变量被假定为与混合物成分相关联,并通过混合专家模型的逻辑权重进行合并。我们制定了一个完整的贝叶斯框架下使用吉布斯抽样的组件的数量是基于偏差信息标准选择这种方法。所提出的方法相比,现有的方法,通过模拟研究,并适用于功能性近红外光谱(fNIRS),其目的是了解婴儿的情绪反应和恢复压力的研究。结果揭示了大脑活动的不同模式,以及这些模式与选定的协变量之间的关联。
2023-01-03 stat.AP stat.CO stat.ME
Flexible Multivariate Density Estimation with Marginal Adaptation
我们的文章解决了灵活估计多元密度的问题,同时也试图正确估计其边缘。我们这样做,提出了两个新的估计,试图捕捉最好的功能,同时避免他们的一些弱点的混合法线和copula估计。我们提出的第一个估计是一个混合的常态copula模型,这是一个灵活的替代参数copula模型,如正常和t copula。第二个是一个边际适应混合的法线估计,通过使用包含在单变量估计的边际密度的信息,提高了标准的混合法线。我们的经验表明,Copula为基础的方法可以表现得更好或更差的估计的基础上混合的法线取决于数据的属性。我们提供了快速和可靠的估计实现,并说明了模拟和真实数据的方法。
2009-01-02 stat.CO stat.ME