核 Pitman-Yor 过程
机器学习
2012-10-17 v1 人工智能
机器学习
摘要
本文提出核 Pitman-Yor 过程（KPYP），用于对具有广义空间或时间依赖性的数据进行非参数聚类。KPYP 的构造首先引入无限随机位置序列；随后，基于 Pitman-Yor 过程的 stick-breaking 构造，我们定义了一个依赖于预测变量的随机概率测度：该过程中服从 Beta 分布的随机权重（stick 变量）的折扣超参数并非在各权重间均匀分布，而是由一个核函数控制，该核函数表征分配给各权重的位置与给定预测变量之间的邻近程度。
引用
@article{arxiv.1210.4184,
title = {The Kernel Pitman-Yor Process},
author = {Sotirios P. Chatzis and Dimitrios Korkinof and Yiannis Demiris},
journal= {arXiv preprint arXiv:1210.4184},
year = {2012}
}
备注
This is a Technical Report summarizing our ongoing work on the Kernel Pitman-Yor Process. Experiments will be added by D. Korkinof prior to journal or conference submission