EGMM:一种用于聚类的证据化高斯混合模型
机器学习
2022-11-29 v3 机器学习
摘要
高斯混合模型(GMM)为聚类提供了一个简单而有原则的框架,具有适于统计推断的性质。本文在信念函数的理论框架下提出一种新的基于模型的聚类算法,称为 EGMM(证据化 GMM),以更好地刻画簇归属不确定性。利用表示每个对象簇归属的质量函数,提出了由所需簇幂集上各分量组成的证据化高斯混合分布来建模整个数据集。EGMM 中的参数通过专门设计的期望最大化(EM)算法估计。还给出了一个可自动确定合适簇数的有效性指标。所提出的 EGMM 与经典 GMM 一样简单,但能为所考虑的数据集生成信息更丰富的证据划分。合成与真实数据集实验表明,所提出的 EGMM 优于其他代表性聚类算法。此外,其在多模态脑图像分割中的应用也展示了优越性。
引用
@article{arxiv.2010.01333,
title = {EGMM: an Evidential Version of the Gaussian Mixture Model for Clustering},
author = {Lianmeng Jiao and Thierry Denoeux and Zhun-ga Liu and Quan Pan},
journal= {arXiv preprint arXiv:2010.01333},
year = {2022}
}