嵌套删失数据期望最大化的高斯混合聚类算法

• 作者: 余海燕 陈京京 邱航 王永 王若凡
• 来源期刊: 自动化学报
• 关键词: 高斯混合聚类 删失数据 期望最大化算法 截尾正态函数 二阶估计量
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 长论文|Regular Papers
• 页码范围: 1302-1314
• 页数: 13页
• 语种: 中文
• DOI: 10.16383/j.aas.c190081

摘要

针对聚类问题中的非随机性缺失数据,本文基于高斯混合聚类模型,分析了删失型数据期望最大化算法的有效性,并揭示了删失数据似然函数对模型算法的作用机制.从赤池弘次信息准则、信息散度等指标,比较了所提出方法与标准的期望最大化算法的优劣性.通过删失数据划分及指示变量,推导了聚类模型参数后验概率及似然函数,调整了参数截尾正态函数的一阶和二阶估计量.并根据估计算法的有效性理论,通过关于得分向量期望的方程得出算法估计的最优参数.对于同一删失数据集,所提出的聚类算法对数据聚类中心估计更精准.实验结果证实了所提出算法在高斯混合聚类的性能上优于标准的随机性缺失数据期望最大化算法.