通用半参数椭圆分布下的无监督学习：高效估计、最优聚类与一致聚类选择
计算机视觉与模式识别
2026-04-10 v1
摘要
我们提出一种通用半参数 clusterwise 椭圆分布，用于评估潜在聚类结构如何塑造连续结果。采用 subjectwise 表示方法，我们首先通过最小化加权平方和准则并辅以分离惩罚来估计聚类特定均值向量和 cluster-invariant 散布矩阵；我们提供初始化方案和具有保证收敛性的计算算法。该初始估计器一致恢复真实聚类，并为第二阶段提供种子，该阶段交替进行伪最大似然（或伪最大边际似然）估计和聚类重新分配，实现渐近半参数效率并获得渐近最优聚类，从而渐近最大化正确成员资格概率。我们还提出一种半参数信息准则用于选择聚类数。蒙特卡洛模拟和实证应用表明该方法在有限样本性能方面表现优异且具有实际价值。
引用
@article{arxiv.2604.07916,
title = {Tarot-SAM3: Training-free SAM3 for Any Referring Expression Segmentation},
author = {Weiming Zhang and Dingwen Xiao and Songyue Guo and Guangyu Xiang and Shiqi Wen and Minwei Zhao and Lei Chen and Lin Wang},
journal= {arXiv preprint arXiv:2604.07916},
year = {2026}
}
备注
Under review