一种估计具有良好分离分量的单变量混合分布众数的非迭代算法

本文讨论了当分量数量已知且分量密度分离良好时，单变量混合分布众数的估计问题。我们提出了一种基于最小化我们在先前工作中引入的“kp”准则的算法。在本文中，我们表明该准则的全局最小值可以通过线性最小二乘最小化后跟求根算法来实现。与经典的迭代算法（如K-means或EM）相比，这是一个主要优势，后者可能收敛到其代价函数的某些局部极值。最后，通过一个五分量混合分布的模拟说明了我们算法的性能。