贝叶斯层次混合聚类上的后验正则化
机器学习
2023-05-08 v7 人工智能
机器学习
摘要
贝叶斯层次混合聚类（BHMC）通过用层次狄利克雷过程混合模型（HDPMM）替换传统的高斯到高斯核，以用于生成过程中父到子的扩散，从而改进传统的贝叶斯层次聚类。然而，BHMC 可能产生具有节点高方差的树，表明在较高层上节点间分离较弱。为解决此问题，我们采用后验正则化，其对每一层的节点施加最大间隔约束以增强聚类分离。我们阐明了如何将 PR 应用于 BHMC，并展示其在改进 BHMC 模型上的有效性。
引用
@article{arxiv.2105.06903,
title = {Posterior Regularization on Bayesian Hierarchical Mixture Clustering},
author = {Weipeng Huang and Tin Lok James Ng and Nishma Laitonjam and Neil J. Hurley},
journal= {arXiv preprint arXiv:2105.06903},
year = {2023}
}