Dirichlet过程混合型标记泊杻点过程的拉普拉斯变分推断

标记点过程数据指在空间中发生事件时伴随事件级别的标记。我们研究重复出现的标记泊杻点过程的聚类问题，提出Dirichlet过程混合型标记泊杻点过程模型，该模型联合推断潜在的簇结构、簇的数量以及连续的标记特定强度表面。我们采用平方链接强度表示，以获得可处理的连续域似然项，无需网格化或稀疏化。在后验推断方面，我们发展了一种基于受限拉普拉斯近似的高效变分贝叶斯算法，用于非共轭基准系数块。 resulting coefficient update is formulated as a constrained optimization problem, which avoids the sign ambiguity and nodal-line issue of squared-link models. We further establish theoretical guarantees for mode finding optimization. We demonstrate the performance of the proposed model and algorithm through synthetic experiments and real-data analysis. 我们进一步为模式寻找优化建立了理论保证。我们通过合成实验和真实数据分析展示了所提出模型和算法的性能。