On clustering network-valued data
社区检测，其重点是聚类节点或检测社区（大多数）在一个单一的网络，是一个相当大的实际利益的问题，并已收到了大量的关注，在研究界。虽然能够在一个网络内进行集群很重要，但也出现了能够对多个网络进行集群的需求。这在很大程度上是由日常收集的网络数据，从潜在的不同人群产生的动机。这些网络可以具有或不具有节点对应关系。当节点对应存在时，我们通过其graphon估计总结网络来聚类网络，而当节点对应不存在时，我们提出了一种新的解决方案，通过将计算上可行的特征向量与每个网络相关联来聚类这些网络，基于邻接矩阵的幂的迹。我们使用模拟和真实数据集来说明我们的方法，并在一致性方面提供了理论依据。
2017-11-04 stat.ME stat.ML
Row-clustering of a Point Process-valued Matrix
Texas A&M University（德州农工大学）；University of Miami（迈阿密大学）
从各种平台获取的结构化点过程数据对机器学习社区提出了新的挑战。通过对重复观测的标记点过程施加矩阵结构，提出了一种新的多级标记点过程混合模型，用于识别观测数据中潜在的异质性.具体来说，我们研究了一个矩阵，其条目是标记的对数高斯Cox过程和集群行这样的矩阵。提出了一种结合点过程函数主成分分析（FPCA）的半参数期望解（ES）算法。通过仿真研究和实际数据分析证明了该框架的有效性。
2021-11-16 cs.LG stat.ME stat.ML
Optimal Variable Clustering for High-Dimensional Matrix Valued Data
Cornell University（康奈尔大学）；TikTok
针对高维矩阵值数据，本文提出基于潜变量模型和加权协方差差分的层次变量聚类方法，证明其一致性并给出极小极大最优权重。
2023-12-06 cs.LG math.ST stat.ME
An Efficient $k$-modes Algorithm for Clustering Categorical Datasets
Iowa State University（爱荷华州立大学）
从数据中挖掘聚类是许多应用中的重要工作。$k$ -均值方法是一种流行的、有效的、不受分布限制的数值数据聚类方法，但不适用于分类值观测。$k$ -模式方法通过用汉明距离替换欧几里德并用$k$ -均值目标函数中的模式替换均值来解决该缺陷。我们提供了一种新颖的，计算效率高的$k$模式，称为OTQT的实现。我们证明，OTQT发现更新，以改善现有的$k$模式算法无法检测到的目标函数。虽然由于算法复杂性，每次迭代的速度稍慢，但OTQT每次迭代总是更准确，并且几乎总是更快（在某些数据集上仅略慢）到达最终最优值。因此，我们推荐OTQT作为$k$模式优化的首选默认算法。
2021-06-23 cs.CV stat.AP stat.CO
Optimal Clustering of Multi-layer Networks under Mixture Block Models
Hong Kong University of Science and Technology（香港科技大学）；The Hong Kong Polytechnic University（香港理工大学）
本文研究了多层网络及离散混合分布的最优聚类问题，提出了基于张量初始化和似然Lloyd算法的两阶段聚类方法，实现了由Renyi散度刻画的极小化最优聚类错误率。
2026-10-23 cs.LG cs.SI math.ST
Clustering of discretely observed diffusion processes
本文提出了一种新的相异度测度来识别资产组的动态特性。其生成过程假设为随机微分方程的扩散过程解，并在离散时间观测。观察的网格不需要收缩到零。作为两个观测路径之间的距离，相应的估计马尔可夫算子的二次距离被认为是。对纽约证券交易所/纳斯达克股票的合成数据和真实金融数据的分析表明，与其他常用指标相反，这种距离似乎能够捕捉到漂移系数和扩散系数的差异。
2008-09-23 math.PR q-fin.ST stat.ME
Bayesian Geostatistical Modeling for Discrete-Valued Processes
我们引入了一个灵活的和可扩展的类离散数据的贝叶斯地质统计模型，基于类的最近邻混合过渡分布过程（NNMP），称为离散NNMP。所提出的类通过给定数量的邻居中的每一个的一阶条件概率质量函数（pmfs）的加权组合来表征空间变异性。该方法通过定义条件PMFS的一般双变量离散分布的规范，支持灵活的多变量依赖建模。此外，离散NNMP允许构建模型，给定一个预先指定的边缘分布家族，该家族可以在空间中变化，从而促进协变量的包含。特别是，我们开发了一个基于Copula的NNMP的建模和推理框架，可以实现灵活的依赖结构，激励使用二元Copula族的空间过程。与传统的空间广义线性混合模型相比，我们的基于过程的建模方法提供了计算和推理的优势。我们说明了合成数据的例子和北美繁殖鸟类调查数据的分析的好处。
2022-03-03 stat.ME
Non-centering for discrete-valued state transition models: an application to ESBL-producing E. coli transmission in Malawi
针对离散值状态转移流行病模型贝叶斯推断效率低的问题，提出将传播模型用于提议步骤的Rippler算法，经模拟和马拉维ESBL大肠杆菌数据验证，在混合速度与计算复杂度间平衡良好。
2025-05-21 stat.ME
Data compression for fast dimension reduction and clustering of high-dimensional discrete data
School of Computer Science and Statistics, Trinity College Dublin（三一学院都柏林计算机科学和统计学院）；School of Mathematics and Statistics, University College Dublin（都柏林大学学院数学和统计学院）
提出一种确定性降维框架，通过缩放位置编码的加权和将高维离散观测压缩为低维连续表示，保证单射性、近似高斯性及聚类中心可分离性，计算高效且适用于多种数据类型。
2026-07-16 stat.CO stat.ME
Composite likelihood inference in a discrete latent variable model for two-way "clustering-by-segmentation" problems
我们考虑一个离散的潜在变量模型的双向数据阵列，它允许一个同时产生集群沿一个数据维度（例如可交换的观测单位或功能）和连续的组，或段，沿其他（例如连续排序的时间或位置）。该模型依赖于一个隐马尔可夫结构，但由于其复杂性，不能完全最大似然估计。因此，我们引入复合似然方法的基础上考虑不同的数据子集。所提出的方法说明了模拟，并与基因组数据的应用程序。
2015-06-27 math.ST stat.ME stat.TH
Simultaneous Clustering and Model Selection for Multinomial Distribution: A Comparative Study
Université Lumière Lyon 2（里昂第二大学）
在本文中，我们研究了不同的离散数据聚类方法，使用基于模型的聚类（MBC）框架与多项分布。我们的研究包括几个相关的问题，如初始化，模型估计和模型选择。此外，我们提出了一种新的MBC方法，有效地结合分区和层次聚类技术。我们进行实验，合成和真实的数据和评估的方法，使用的准确性，稳定性和计算时间。我们的研究确定了适当的策略，用于离散数据分析的MBC方法。此外，我们提出的方法是非常有竞争力的w.r.t.聚类精度和更好的w.r.t.稳定性和计算时间。
2015-09-06 cs.LG stat.ME stat.ML
Non-centred Bayesian inference for discrete-valued state-transition models: the Rippler algorithm
Lancaster University（兰卡斯特大学）
Rippler算法通过非中心贝叶斯推断提升基于个体的状态转移模型参数和未观察疾病状态的估计效率。
2026-02-11 stat.ME
funFMC: Overlapping Clustering for Functional Data
University of Michigan（密歇根大学）
针对神经科学和环境科学等领域中多变量功能数据的重叠聚类结构，提出基于潜在因子模型的方法，通过建立载荷矩阵可识别性等，开发估计程序并建立定理，经数值研究和应用展示了方法性能。
2026-07-16 math.ST stat.ME stat.TH
