HeMPPCAT：面向异方差噪声数据的混合概率主成分分析器
统计方法学
2023-01-27 v2 信号处理
机器学习
摘要
混合概率主成分分析（MPPCA）是主成分分析（PCA）的知名混合模型扩展。与 PCA 类似，MPPCA 假设每个混合中的数据样本包含同方差噪声。然而，跨样本具有异质噪声的数据集正变得日益常见，因为更大的数据集是通过从具有不同噪声特征的多个来源收集样本生成的。MPPCA 对于跨样本具有异方差噪声的数据表现次优。本文提出了一种异方差混合概率 PCA 技术（HeMPPCAT），其使用广义期望最大化（GEM）算法在异方差噪声设定下联合估计未知的潜在因子、均值和噪声方差。仿真结果表明，与 MPPCA 相比，HeMPPCAT 改进了因子估计和聚类精度。
引用
@article{arxiv.2301.08852,
title = {HeMPPCAT: Mixtures of Probabilistic Principal Component Analysers for Data with Heteroscedastic Noise},
author = {Alec S. Xu and Laura Balzano and Jeffrey A. Fessler},
journal= {arXiv preprint arXiv:2301.08852},
year = {2023}
}