污染矩阵变量正态分布的混合模型
统计方法学
2020-05-11 v1
摘要
三维数据（three-way data）的分析在文献中日益普遍，尤其在聚类和分类领域。真实数据（包括真实的三维数据）常常受到潜在异常观测值的污染。由于这类数据有效可视化方面的实际难题，对其的检测以及发展对其存在不敏感的鲁棒模型尤为重要。本文讨论污染矩阵变量正态分布，并将其用于混合模型框架中进行聚类。所提模型的一个关键优势是能够通过计算矩阵为“好”点或“坏”点的后验概率来自动检测潜在的异常矩阵。这种检测在现有矩阵变量方法中尚无法实现。我们使用期望条件最大化算法进行参数估计，并以模拟和真实数据加以说明。
引用
@article{arxiv.2005.03861,
title = {Mixtures of Contaminated Matrix Variate Normal Distributions},
author = {Salvatore D. Tomarchio and Michael P. B. Gallaugher and Antonio Punzo and Paul D. McNicholas},
journal= {arXiv preprint arXiv:2005.03861},
year = {2020}
}