Bayesian profile regression for clustering analysis involving a longitudinal response and explanatory variables
鉴定具有共同功能的共调控基因是现代基因组学的一个关键问题。贝叶斯轮廓回归是一种半监督混合建模方法，它利用响应来指导对相关聚类的推断。以前的应用程序的配置文件回归考虑了单变量连续，分类，计数的结果。在这项工作中，我们扩展贝叶斯轮廓回归的情况下，结果是纵向（或多变量连续），并提供PReMiuMlongi，更新版本的PReMiuM，R包配置文件回归。我们考虑多元正态和高斯过程回归响应模型，并提供了四个模拟研究的原则应用程序的证明。该模型适用于芽殖酵母的数据，以确定在酿酒酵母细胞周期的基因组共调节。我们确定了4个不同的基因组与特定模式的基因表达轨迹，随着绑定的转录因子，可能参与其共同调控过程。
2021-11-08 stat.AP stat.ME
Generalized Bayesian Clustering with Regression for Unaligned Longitudinal Binary Data
Texas A&M University（德克萨斯农工大学）；University of Colorado Anschutz（科罗拉多大学安舒茨分校）；University of Texas at Austin（德克萨斯大学奥斯汀分校）
针对未对齐纵向二元数据，提出带回归的广义贝叶斯聚类模型，结合轨迹相似性与回归损失，用切片沃尔什斯坦因距离实现无对齐比较，以狄利克雷过程定义聚类参数先验，解决单一生成模型的设定或效率问题。
2026-09-02 stat.AP stat.CO stat.ME
Bayesian principal stratification with longitudinal data and truncation by death
提出贝叶斯纵向主分层框架，处理死亡截断的纵向数据，估计不同时间点存活者层的因果效应，并应用于企业生存与招聘政策评估。
2023-12-30 stat.AP stat.ME
Variational Co-embedding Learning for Attributed Network Clustering
Data Science Institute, University of Technology Sydney（悉尼科技大学数据科学研究所）；School of Information Technology, Deakin University（迪肯大学信息技术学院）；School of Computer Science and Engineering, University of New South Wales（新南威尔士大学计算机科学与工程学院）；School of Computer Science, University of Technology Sydney（悉尼科技大学计算机科学学院）
最近的工作，属性网络聚类利用图卷积获得节点嵌入，同时执行嵌入空间上的聚类分配。由于图卷积结合了节点嵌入学习的结构和属性信息，因此是有效的。然而，这样的工作的一个主要局限性是，图卷积只结合了来自节点的局部邻域的属性信息，但未能利用节点和属性之间的相互亲和力。在这方面，我们提出了一个变分共嵌入学习模型属性网络聚类（VCLANC）。VCLANC是由双变分自动编码器，同时嵌入节点和属性。在此基础上，从嵌入空间中重构出节点与属性之间的相互亲和度信息，作为额外的自监督知识用于表示学习。同时，可训练的高斯混合模型被用作先验知识来推断节点聚类分配。为了加强推断的集群的性能，我们使用的高斯先验的中心和聚类分配硬化损失的节点嵌入的相互距离损失。四个真实世界的属性网络数据集上的实验结果表明，所提出的VCLANC属性网络聚类的有效性。
2021-04-15 cs.AI cs.LG stat.ML
Clustering for multivariate continuous and discrete longitudinal data
在纵向研究和常规临床随访期间，通常会收集受试者的多个连续和离散结局。为了激励我们的工作，我们考虑对原发性胆汁性肝硬化（PBC）患者进行纵向研究，这些患者具有连续的胆红素水平、离散的血小板计数和血管畸形的二分指征，作为这种纵向结果的例子。一个明显的要求是使用所有的结果值来将受试者分类成组（例如，在临床环境中具有相似预后的受试者组）。近年来，已经提出了许多基于纵向（或其他相关）结果的分类方法，不仅针对生物统计学等传统领域，还针对快速发展的生物信息学和许多其他领域。然而，大多数可用的方法只考虑连续性结果作为分类的基础，或者如果考虑非连续性结果，则不与其他不同性质的结果相结合。在这里，我们提出了一种统计方法，用于将受试者聚类（分类）到预先指定数量的具有先验未知特征的组中，这些组基于对不同性质的几个纵向结果的重复测量。该方法依赖于经典广义线性混合模型的多变量扩展，其中还假设随机效应为混合分布。我们基于贝叶斯规范的模型和基于模拟的马尔可夫链蒙特卡罗方法的推理。为了在实践中应用该方法，我们已经准备好了在R中使用的现成软件（http：www.R-project.org）。我们还讨论了分类中不确定性的评估，并讨论了最近提出的模型比较方法的使用-在我们的情况下选择一些集群-基于Plummer提出的惩罚后验偏差[Biostatistics 9（2008）523-539]。
2013-04-16 stat.AP
Time-varying clustering of multivariate longitudinal observations
我们提出了一种将多变量纵向数据聚类为同质组的统计方法。该方法依赖于经典K均值算法的时变扩展，其中还假设多变量向量自回归模型用于对聚类质心随时间的演变进行建模。我们的推理基于模型的最小二乘规范和坐标下降算法。为了说明我们的工作，我们考虑了人类发展的纵向数据集。三个变量，即预期寿命，教育和国内生产总值。
2014-04-24 stat.ME
Amortized Bayesian inference for clustering models
Columbia University（哥伦比亚大学）
我们开发了有效的摊销近似贝叶斯推断的概率聚类模型，如狄利克雷过程混合模型的后验分布的方法。该方法是基于映射到条件概率的集群安排的分布式，不变性表示。该方法易于并行化，从聚类分配的近似后验中产生iid样本，具有与单个Gibbs采样器扫描相同的计算成本，并且可以容易地应用于共轭和非共轭模型，因为训练仅需要来自生成模型的样本。
2018-11-24 cs.LG stat.CO stat.ML
A Bernoulli Mixture Model to Understand and Predict Children Longitudinal Wheezing Patterns
在这项研究中，我们估计在英国，大约$27.99(\pm2.15)\%$的人口在1岁之前经历过喘息。此外，伯努利混合模型分类被认为是最好的工作与$K=4$集群，以更好地平衡集群的可分性与它们的解释性质，基于队列的$N=1184$。在$j$第个聚类中的父母组说他们的孩子在$i$第个年龄期间已经喘息的概率被假定为$P_{ij} \sim \text{Beta}(1/2, 1/2)$，分配到每个聚类的概率为$R \sim \text{Dirichlet}_K(α)$，将$n$第个患者分配到每个聚类的概率为$Z_n\ |\ R \sim \text{Categorical}(R)$，并且在$i$第个年龄期间喘息的$n$第个患者为$X_{in}\ |\ P_{ij}, Z_n \sim \text{Bernoulli}(P_{i,Z_n})$ ;其中$i\in\{1,\dots,6\}$、$j\in\{1,\dots,K\}$和$n\in\{1,\dots, N\}$。然后通过E-M优化算法进行分类。我们发现这种聚类方法有效地将儿童晚期喘息、持续性喘息、儿童早期喘息、无喘息或散发性喘息的患者分组。此外，我们发现，这种方法是不依赖于数据集，并可以包括数据集的缺失条目。
2020-05-06 stat.AP
Identification of Parkinson's Disease Subtypes with Divisive Hierarchical Bayesian Clustering for Longitudinal and Time-to-Event Data
针对帕金森病的异质性，提出一种分裂层次贝叶斯聚类方法，结合多元纵向轨迹模型与生存数据半参数模型，从PPMI数据库中识别具有不同进展模式的特发性PD亚组。
2023-08-03 stat.ME
Latent-Class Poisson-Lognormal Mixed Models for Clustering Multivariate Longitudinal Count Data
Carleton University（卡尔顿大学）
本研究针对多变量纵向计数数据的聚类需求，提出潜类别泊松-对数正态混合模型，采用变分EM算法估计，经模拟验证效果良好，还应用于COVID-19患者的中性粒细胞RNA-seq数据。
2026-10-12 stat.ME
Sample size considerations for comparing dynamic treatment regimens in a sequential multiple-assignment randomized trial with a continuous longitudinal outcome
临床医生和研究人员对如何最好地个性化干预越来越感兴趣。动态治疗方案（DTR）是一系列预先指定的决策规则，可用于指导根据个人不断变化的需求定制的治疗或干预序列的交付。序贯多分配随机试验（SMART）是一种研究工具，可以构建有效的DTR。我们推导出易于使用的公式，用于计算三种常见的两阶段SMART设计的总样本量，其中主要目的是比较两种嵌入式DTR的平均研究结束结局，这两种DTR推荐不同的第一阶段治疗。这些公式是在回归模型的背景下得出的，该模型利用了整个研究中收集的纵向结果的信息。我们表明，SMART的样本量公式可以写成标准两组随机试验的样本量公式、纵向分析统计效率提高的收缩因子和SMART设计的膨胀因子的乘积。SMART设计膨胀系数通常是对第一阶段治疗的预期反应概率的函数。我们回顾了DTR效应分析的建模和估计，使用SMART的纵向结果，以及标准误的估计。我们还提出了各种常见的工作相关结构的协方差阵的估计。方法的动机使用的ENGAGE研究，SMART旨在开发一个DTR，以增加动机参加酒精和可卡因依赖患者的治疗。
2020-01-05 stat.ME
Clustering Longitudinal Ordinal Data via Finite Mixture of Matrix-Variate Distributions
针对社会科学中纵向有序问卷数据的聚类需求，提出基于矩阵变量正态分布混合的模型与EM估计算法，经合成数据验证性能优于同类方法，并可应用于疫情饮食行为变化研究。
2024-01-26 stat.ME
$K$-means clustering for sparsely observed longitudinal data
本文提出一种推广经典$k$-means的快速聚类方法，利用基函数展开建模聚类中心，解决稀疏观测纵向数据中的聚类结构识别问题，并在统计一致性、计算效率与聚类性能上表现优异。
2024-11-13 stat.ME
Clustering of longitudinal curves via a penalized method and EM algorithm
本研究提出FWP纵向曲线聚类方法，结合EM与ADMM算法同时估计组结构等，支持纳入先验邻域信息，实验验证其性能优于现有方法且加入空间权重可进一步提升效果。
2023-06-13 stat.ME
A Joint Modeling Approach for Clustering Mixed-Type Multivariate Longitudinal Data: Application to the CHILD Cohort Study
在流行病学和临床研究中，基于纵向特征识别患者的表型对于理解疾病的发展模式至关重要。目前的研究是由加拿大出生队列研究的数据，儿童队列研究的动机。我们的目标是使用多个纵向呼吸特征将参与者聚类为具有相似纵向呼吸特征的亚组，以确定临床相关的疾病表型。为了适当地解释这些纵向标记的不同结构和类型，我们提出了一种新的联合模型，用于聚类混合类型（连续、离散和分类）的多变量纵向数据。我们还开发了一个马尔可夫链蒙特卡罗算法来估计模型参数的后验分布。介绍并讨论了儿童队列数据和模拟数据的分析。我们的研究表明，所提出的模型作为一个有用的分析工具，聚类多元混合型纵向数据。我们开发了一个R包BCClong来有效地实现所提出的模型。
2023-03-21 stat.AP stat.ME
Clustering of longitudinal data: A tutorial on a variety of approaches
Eindhoven University of Technology（埃因霍温理工大学）；Philips Research（飞利浦研究院）；Tilburg University（蒂尔堡大学）
在过去的二十年中，在纵向数据中识别具有不同趋势的群体的方法在许多研究领域中越来越受到关注。为了支持研究人员，我们总结了有关纵向聚类的文献指导。此外，我们提出了一个选择的方法进行纵向聚类，包括基于组的轨迹建模（GBTM），增长混合建模（GMM），和纵向k均值（KML）。方法介绍了在一个基本的水平，并列出了优势，局限性和模型扩展。根据最近的发展，在数据收集，注意这些方法的适用性密集的纵向数据（ILD）。我们使用R中提供的软件包演示了该方法在合成数据集上的应用。
2021-11-10 cs.LG stat.ME stat.ML
Causal Inference using Multivariate Generalized Linear Mixed-Effects Models with Longitudinal Data
根据个体的特征和纵向病史，动态预测不同治疗方案下的因果效应是精准医学中的一个基本问题。这在实践中是具有挑战性的，因为在观察性研究中结局和治疗分配机制是未知的，个体的治疗疗效是反事实的，并且选择偏倚的存在通常是不可避免的。我们提出了一个贝叶斯框架，通过调整贝叶斯g计算算法（J. Robins，1986; Zhou，Elliott，& Little，2019）来识别动态治疗方案的亚组反事实益处，以纳入多变量广义线性混合效应模型。在假定的结局、时变混杂因素和治疗分配的联合分布中，未测量的时不变因素被确定为受试者特异性随机效应。现有的方法大多假设没有不可测量的混杂，并专注于平衡不同治疗之间观察到的混杂分布，而我们的方法允许存在时不变的不可测量的混杂。我们提出了一个连续的可验证性假设的基础上治疗分配异质性，这是类似于平衡的潜在趋势，由于不可测量的时不变因素超出了可观察到的每一个治疗。我们使用模拟研究来评估所提出的方法的性能对各种模型假设的敏感性。该方法应用于观察性临床数据，以研究连续使用霉酚酸酯在不同亚组的硬皮病患者中的疗效。
2023-03-03 stat.ME
Functional Clustering for Longitudinal Associations between Social Determinants of Health and Stroke Mortality in the US
提出一种带正则化期望最大化的功能聚类方法，分析美国各县健康社会决定因素与中风死亡率的纵向关联，识别出18个关键因素并将各县划分为两个聚类，揭示了区域异质性。
2025-02-01 stat.AP stat.ME
Functional clustering methods for binary longitudinal data with temporal heterogeneity
针对二元纵向数据，提出一种广义变系数模型，在考虑受试者内部变异性的同时进行变系数函数聚类，不限制聚类数量且避免过拟合，有效提取多层级效应并在GSOEP数据中识别出三个具有不同年龄效应的聚类。
2023-04-08 stat.ME
Bayesian analysis of longitudinal studies with treatment by indication
在观察性研究中，测量治疗对至事件发生时间结局的因果效应通常是令人感兴趣的。在医疗环境中，观察性研究通常涉及开始药物治疗的患者和其他未开始药物治疗的患者，目标是推断药物治疗对恢复时间的影响，预定义的改善水平，或其他一些时间-事件结局。这类研究的一个困难是，对照组中不存在药物开始时间的概念。我们提出了一种方法来推断因果效应的干预措施在纵向观察性研究时，治疗分配的时间只观察到治疗单位和治疗的适应症。我们提出了一个框架，概念化的基础随机实验在这种情况下，分离的过程中，决定分配的机制，决定研究手臂分配的时间。我们的方法包括推断分配的缺失时间，然后估计处理效应。这种方法使我们能够纳入研究组分配的缺失时间的不确定性，这会导致对照组的选择和这些对照组的事件发生时间结局测量的不确定性。我们使用退伍军人事务部（VA）卫生保健系统的管理数据，证明了我们的方法来研究不适当地处方磷酸二酯酶5型抑制剂（PDE 5Is）对死亡率的影响，PDE 5Is是第2组和第3组肺动脉高压的禁忌药物。
2019-10-04 stat.AP stat.ME
Clustering Higher Order Data: An Application to Pediatric Multi-variable Longitudinal Data
身体活动水平是心血管健康的重要预测指标，越来越多地通过传感器（如加速度计）进行测量。加速度计产生丰富的多元数据，可以为与个体患者和公共卫生相关的重要临床决策提供信息。CHAMPION研究是一项针对患有慢性炎症的年轻人的研究，旨在确定心脏健康，炎症，体育活动和健身之间的联系。CHAMPION的加速度计数据表示为4维数组，并建立了多维数组的有限混合模型进行聚类。基于模型的聚类用于多维数组的使用迄今为止仅限于二维数组，即，矩阵或二阶张量，本文中的工作也可以被看作是一种方法，用于聚类D维数组D > 2，或者换句话说，用于聚类阶D张量。
2020-12-04 stat.AP stat.ME stat.ML
A Class of Temporal Hierarchical Exponential Random Graph Models for Longitudinal Network Data
纵向网络作为时间序列上关系数据的表示，为研究链接形成过程提供了机会。然而，网络在规模往往表现出社区结构（即集群），这可能会混淆当地的结构效应，如果不考虑适当的统计分析。为了同时推断每个社区内的（可能的）演化集群和其他网络结构（例如度分布和/或传递性），我们提出了一类名为时间层次指数随机图模型（THERGM）的统计模型。我们的生成模型施加了一个马尔可夫转移矩阵的节点改变其成员资格，并假设他们加入新的社区中的优先连接的方式。对于那些留在同一个集群中，他们遵循特定的时间ERG模型（TERGM）。虽然直接基于MCMC的贝叶斯估计是计算不可行的，我们提出了一个两阶段的策略。在第一阶段，一个特定的动态潜在空间模型将被用作聚类的工作模型。在第二阶段，估计成员被认为是给定的，以适应在每个集群的TERG模型。我们评估我们的方法在模拟数据的误聚类率，以及拟合优度和链接预测精度。
2017-04-03 stat.ME
Co-clustering of time-dependent data via Shape Invariant Model
多变量时变数据，其中多个特征随时间被观察到的一组个人，在许多应用领域中越来越普遍。为了对这些数据进行建模，我们需要考虑时间和变量之间的关系，同时还要考虑受试者的异质性。我们提出了一种新的共同聚类方法，用于聚类的个人和变量，同时旨在处理功能和纵向数据。我们的方法借用了一些概念，从曲线配准框架中嵌入形状不变模型的潜在块模型，估计通过一个适当的修改SEM-Gibbs算法。由此产生的程序允许几个用户定义的规格的概念集群，可以选择实质性的理由，并提供了简约的总结复杂的纵向或功能数据的数据矩阵划分成同质块。
2021-04-07 stat.ME
The Laplacian K-modes algorithm for clustering
University of California, Merced（加州大学默塞德分校）
除了找到有意义的聚类之外，基于质心的聚类算法（如K-means或mean-shift）应该在理想情况下找到输入空间中的有效模式的质心，代表其聚类中的数据。这对于具有非凸或流形结构的数据（如图像或文本）具有挑战性。我们介绍了一种新的算法，拉普拉斯K模式，它自然地结合了三个强大的思想在聚类：明确使用的分配变量（如在K-均值）;估计的聚类中心，这是模式的每个集群的密度估计（如在均值漂移）;和正则化效果的图形拉普拉斯，鼓励类似的分配附近的点（如在谱聚类）。该优化算法交替的分配步骤，这是一个凸二次规划，和一个均值漂移步骤，它为每个集群质心分离。该算法为每个聚类找到有意义的密度估计，即使在具有挑战性的问题中，聚类具有流形结构，高度非凸或高维。它还提供了有效模式的质心，真正代表其聚类（与K均值不同），以及预测新点软分配的样本外映射。
2014-06-16 cs.LG stat.ME stat.ML
Linear Mixed Models for Comparing Dynamic Treatment Regimens on a Longitudinal Outcome in Sequentially Randomized Trials
动态治疗方案（DTR）是一个预先指定的决策规则序列，它将个体的基线或时变测量值映射到推荐的干预或干预组。序贯多重分配随机试验（SMART）是一种重要的数据收集工具，可为构建有效的DTR提供信息。SMART的一个常见主要目的是比较试验中两个或多个DTR的边际均值。本文基于连续的纵向结果，为这些主要目的比较开发了混合效应建模和估计方法。该方法说明使用数据从智能自闭症研究。
2019-10-22 stat.ME
Trajectory-informed graph-based clustering for longitudinal cancer subtyping
Politecnico di Milano（米兰理工大学）；Humanitas Gavazzeni University Hospital（希曼塔斯加瓦泽尼大学医院）；Humanitas University（希曼塔斯大学）；Human Technopole（人类技术极点）
本文提出了一种基于轨迹的图聚类方法，用于纵向癌症亚型分类，整合多模态临床数据和患者轨迹，以发现具有不同预后轨迹的亚型。
2026-03-10 stat.AP stat.ME
An Algebraic Approach to Constrained K-means Clustering
The University of Tokyo（东京大学）；The University of Osaka（大阪大学）；RIKEN（理化学研究所）；Shiga University（滋贺大学）
针对带成对约束的K-means聚类存在的可行分配缺失或计算成本高的问题，提出用Gröbner基简化约束的代数方法，实验表明其在低计算成本下聚类质量相当或更优。
2026-10-14 cs.LG stat.CO stat.ME
Functional Mixed effects Model for Joint Analysis of Longitudinal and Cross-Sectional Growth Data
本文提出一种联合分析纵向与横截面生长数据的方法，通过聚类构建伪纵向数据并结合函数型混合效应模型，允许两类数据协方差和误差方差不同，模拟与实证验证了其良好性能。
2025-09-23 stat.ME
Distance-based clustering of sparsely observed stochastic processes, with applications to online auctions
我们提出了一个随机过程的两个实现之间的距离，其中每个实现只有稀疏和不规则间隔的测量与额外的测量误差。这种数据通常出现在纵向研究和在线交易数据中。然后，距离测量使得有可能对不规则采样的纵向数据应用基于距离的分析，例如分类、聚类和多维缩放。一旦一个合适的距离测量稀疏采样的纵向轨迹已被发现，我们应用基于距离的聚类方法易趣在线拍卖数据。我们确定了六个不同的集群投标模式。发现这些出价模式中的每一个都与以合理价格获得拍卖物品的特定机会相关联。
2008-11-17 stat.AP stat.ME
Fuzzy Jump Models for Soft and Hard Clustering of Multivariate Time Series Data
Institute for Applied Mathematics and Information Technologies “E. Magenes”, National Research Council of Italy（意大利国家研究委员会应用数学与信息技术“E. Magenes”研究所）
本文提出融合模糊 c 均值的模糊跳跃模型，可顺序估计状态概率并支持多元时间序列的软硬聚类，在高分配不确定性下优于对比方法，并成功用于三体共轨状态识别与金融牛熊阶段追踪。
2025-09-30 stat.ME
Clustering Longitudinal Life-Course Sequences Using Mixtures of Exponential-Distance Models
序列分析是一种越来越受欢迎的方法，用于分析由受试者随时间经历的有序活动集合所代表的生命历程。在这里，我们分析了一个调查数据集，其中包含的信息的职业轨迹的一个队列的北爱尔兰青年跟踪16岁和22岁之间。我们提出了一种新的，基于模型的聚类方法，适合从整体的角度来分析这些数据，其目的是估计典型的职业生涯轨迹的数量，确定这些模式的相关功能，并评估在何种程度上形成这种模式的背景特征。存在几个标准来测量分类序列之间的成对差异。通常，相异性矩阵被用作启发式聚类算法的输入。我们开发的方法的家庭，而不是集群序列直接使用混合指数距离模型。基于汉明距离度量的加权变体的模型允许用于参数估计的封闭形式的表达式。同时允许组件的成员资格概率依赖于固定的协变量和适应的采样权重在聚类过程中产生新的见解北爱尔兰的数据。特别是，我们发现，学校考试成绩是集群成员的最重要的预测。
2021-12-21 stat.AP stat.ME
MMM: Clustering Multivariate Longitudinal Mixed-type Data
Univ Lyon, Univ Lyon 2, ERIC（里昂大学、里昂第二大学、ERIC）
提出MMM模型，通过矩阵多元正态分布混合在潜在维度聚类多元纵向混合型数据，同时建模异质性与时间依赖，无需条件独立假设。
2025-09-15 cs.LG stat.ME stat.ML
Personalized Assignment to One of Many Treatment Arms via Regularized and Clustered Joint Assignment Forests
University of Michigan（密歇根大学）；Stanford University（斯坦福大学）；University of Pennsylvania（宾夕法尼亚大学）；New York University（纽约大学）
本文针对多治疗臂个性化分配问题，提出正则化森林分配算法并结合聚类方案以跨臂汇集信息，从而在大量治疗臂场景下提升分配效用。
2023-11-01 cs.LG econ.EM stat.ME
A Comprehensive Approach to Mode Clustering
模式聚类是一种非参数聚类方法，它使用密度估计器模式的吸引盆来定义聚类。我们提供了几个增强模式聚类：（i）集群分配的软变体，（ii）集群之间的连接性的措施，（iii）选择带宽的技术，（iv）去噪小集群的方法，以及（v）可视化集群的方法。结合所有这些增强给我们一个完整的程序聚类在多元问题。我们还比较了模式聚类与其他聚类方法在几个例子
2015-12-22 stat.ME stat.ML
Model-based Clustering of Multi-Dimensional Zero-Inflated Counts via the EM Algorithm
本文提出基于EM算法的多维零膨胀计数数据模型聚类框架，利用ZIP或ZINB混合分布处理矩阵形式数据，并通过模拟和实际数据验证了方法的聚类准确性与估计性能。
2025-03-27 stat.AP stat.ME
Solution Path Clustering with Adaptive Concave Penalty
大量复杂数据的快速积累产生了对更复杂的统计方法学的需求，以发现有趣的模式并更好地从这些数据中提取信息。大规模的数据往往会导致具有挑战性的高维估计问题，其中只有少数数据显示特定的分组模式。为了解决这些新出现的挑战，我们开发了一种新的聚类方法，将正则化路径的思想引入无监督学习。一个正则化路径的聚类问题是通过改变稀疏约束的程度，施加在对象之间的差异，通过极大极小凹惩罚自适应调整参数。该方法不是为每个对象提供由聚类分配表示的单个解决方案，而是产生一个短的解决方案序列，该解决方案序列不仅确定聚类分配，而且确定每个解决方案的相应聚类数。惩罚损失函数的优化是通过MM算法与块坐标下降。与现有的聚类算法相比，该算法的优点在于：它不需要输入聚类数;它能够同时分离不相关或噪声观测，这可以极大地改善数据解释;它是一种通用的方法，可以应用于许多聚类问题。我们在各种模拟数据集和基因表达数据上测试了这种方法，与几种聚类方法相比，它表现出更好的或有竞争力的性能。
2014-04-24 stat.ME stat.ML
Weighted Conformal Clustering
Columbia University（哥伦比亚大学）
提出加权共形方法为聚类标签构建有效置信集，通过条件标签分布偏移校正解决校准标签与真实标签不匹配问题，实现有限样本边际覆盖。
2026-11-10 math.ST stat.ME stat.ML
