基于修剪与约束的高斯因子分析器混合模型的稳健估计
统计方法学
2016-08-08 v1
摘要
高斯因子混合模型是建模未观测异质总体的有力工具，同时提供降维和基于模型的聚类。不幸的是，在最大似然估计下，伪解的高发性与离群观测的干扰效应带来了严重问题。本文中，我们考虑对分量协方差施加限制以避免伪解，并采用修剪以针对底层潜因子正态性假设的违背提供稳健性。给出了这一新方法的详细AECM算法。模拟结果及对AIS数据集的应用展示了所提方法的目的与有效性。
引用
@article{arxiv.1503.06302,
title = {Robust estimation for mixtures of Gaussian factor analyzers, based on trimming and constraints},
author = {L. A. García-Escudero and A. Gordaliza and F. Greselin and S. Ingrassia and A. Mayo-Iscar},
journal= {arXiv preprint arXiv:1503.06302},
year = {2016}
}