BayesCPclust：一种用于聚类分段常数变点数据的贝叶斯方法
统计方法学
2025-02-12 v4
摘要
变点模型处理有序数据序列。其主要目标是推断数据序列某方面发生变化的位置。本文提出并实现了一种基于 Gibbs 采样器、依据分段常数变点轮廓对观测进行聚类的非参数贝叶斯模型。我们的模型在分段常数变点结构上引入 Dirichlet 过程，以在聚类观测的同时进行多重变点估计。此外，我们的方法控制模型中的聚类数目，无需事先指定聚类个数。在各种模拟场景及单细胞基因组测序真实数据集上评估该方法时，均获得了令人满意的聚类和估计结果。我们提出的方法已作为名为 BayesCPclust 的 R 包实现，可从 Comprehensive R Archive Network 获取：https://CRAN.R-project.org/package=BayesCPclust。
引用
@article{arxiv.2305.17631,
title = {BayesCPclust: A Bayesian Approach for Clustering Constant-Wise Change-Point Data},
author = {Ana Carolina da Cruz and Camila P. E. de Souza},
journal= {arXiv preprint arXiv:2305.17631},
year = {2025}
}
备注
30 pages, 12 figures