推断层次混合结构：一种贝叶斯非参数方法
机器学习
2021-05-26 v6 人工智能
机器学习
摘要
本文关注数据集的层次非重叠聚类问题。在此类聚类中，每个数据项恰好关联一个叶节点，每个内部节点关联其下方子树中存储的所有数据项，从而层次的每一层对应于数据集的一个划分。我们开发了一种结合嵌套中文餐厅过程 (nCRP) 与层次狄利克雷过程 (HDP) 的新颖贝叶斯非参数方法。与现有其他贝叶斯方法相比，我们的方案处理了具有复杂潜在混合特征的数据，这是文献中此前未被探索过的。我们讨论了模型与推断过程的细节。此外，在三个数据集上的实验表明，与现有算法相比，我们的方法取得了稳健的实证结果。
引用
@article{arxiv.1905.05022,
title = {Inferring Hierarchical Mixture Structures: A Bayesian Nonparametric Approach},
author = {Weipeng Huang and Nishma Laitonjam and Guangyuan Piao and Neil Hurley},
journal= {arXiv preprint arXiv:1905.05022},
year = {2021}
}