子空间聚类的非参数模型及变分贝叶斯学习

摘要：

子空间聚类的目标是在不同的特征子集上对给定的一组数据归类.此非监督学习方法试图发现数据"在不同表达下的相似"模式,并且引起了相关领域大量的关注和研究.首先扩展Hoff提出的"均值与方差平移"模型为一个新的基于特征子集的非参数聚类模型,其优点是能应用变分贝叶斯方法学习模型参数.此模型结合Dirichlet过程混合模型和选择特征子集的非参数模型,能自动选择聚类个数和进行子空间聚类.然后给出基于马尔可夫链蒙特卡罗的参数后验推断算法.出于计算速度上的考虑,提出应用变分贝叶斯方法学习模型参数.在仿真数据上的实验结果及在人脸聚类问题上的应用均表明了此模型能同时选择相关特征和在这些特征上具有相似模式的数据点.在UCI"多特征数据库"上应用无需抽样的变分贝叶斯方法,其实验结果说明此方法能快速推断模型参数.

关键词：混合模型、Dirichlet过程、非参数贝叶斯、马尔可夫链蒙特卡罗、变分学习

所属期刊栏目：30

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金60674089;高等学校博士学科点专项科研项目20040251010

在线出版日期：2007-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1333-1343