論文の概要: Robust model-based clustering via mixtures of multivariate pseudo-Voigt distributions
- arxiv url: http://arxiv.org/abs/2608.27606v1
- Date: Thu, 27 Aug 2026 18:38:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.116488
- Title: Robust model-based clustering via mixtures of multivariate pseudo-Voigt distributions
- Title（参考訳）: 多変量擬Voigt分布の混合によるロバストモデルに基づくクラスタリング
- Abstract要約: ガウス分布とコーシー分布の重み付き凸結合は、ロバストモデルに基づくクラスタリングと外乱検出のために提案される。
このフレームワークは、重み付けされた振る舞いを特徴とするデータに対して特に有効であることが示されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a multivariate extension of the pseudo-Voigt profile-a weighted convex combination of Gaussian and Cauchy distributions-within a finite mixture modeling framework for robust model-based clustering and outlier detection. To ensure parsimony and coherence within clusters, shared location and scale parameters are imposed between the Gaussian and Cauchy components. Parameter estimation is carried out via an Expectation Maximization algorithm, with latent variables facilitating efficient likelihood-based inference. The performance of the proposed model is evaluated through simulation studies and applications to real-world data. Comparisons with established robust models, including mixtures of contaminated normal distributions, are provided to illustrate the model's clustering accuracy and outlier detection capabilities. The framework is shown to be particularly effective for data characterized by heavy-tailed behavior.
- Abstract（参考訳）: 本稿では,ガウス分布とコーシー分布の重み付き凸結合による擬似Voigtプロファイルの多変量拡張を提案する。
クラスタ内のパシモニーとコヒーレンスを確保するため、ガウス成分とコーシー成分の間で共有位置とスケールパラメータが課される。
パラメータ推定は予測最大化アルゴリズムを用いて行い、潜伏変数は効率的な確率ベース推論を容易にする。
提案モデルの性能はシミュレーション研究および実世界のデータへの適用を通して評価する。
汚染された正規分布の混合を含む、確立されたロバストモデルとの比較を行い、モデルのクラスタリング精度と異常検出能力を示す。
このフレームワークは、重み付けされた振る舞いを特徴とするデータに対して特に有効であることが示されている。
関連論文リスト
- Flow-Based Density Ratio Estimation for Intractable Distributions with Applications in Genomics [80.05951561886123]
我々は条件認識フローマッチングを利用して、生成軌道に沿った密度比を追跡するための1つの動的定式化を導出する。
クローズドフォーム比推定のためのシミュレーションベンチマーク上での競合性能を実証し,本手法が単一セルゲノミクスデータ解析における多目的タスクをサポートすることを示す。
論文 参考訳（メタデータ） (2026-02-27T17:27:55Z) - Efficient Covariance Estimation for Sparsified Functional Data [51.69796254617083]
共分散関数のランダムノット(ランダムノット-空間)とB-スプライン(Bspline-Spatial)推定器は計算的に効率的である。
共分散の漸近的なポイントワイドは、ある規則性条件下でのスパース化された個々の軌跡に対して得られる。
論文 参考訳（メタデータ） (2025-11-23T00:50:33Z) - Nonparametric Data Attribution for Diffusion Models [57.820618036556084]
生成モデルのデータ属性は、個々のトレーニング例がモデル出力に与える影響を定量化する。
生成画像とトレーニング画像のパッチレベルの類似性によって影響を測定する非パラメトリック属性法を提案する。
論文 参考訳（メタデータ） (2025-10-16T03:37:16Z) - Cluster weighted models with multivariate skewed distributions for functional data [0.0]
本稿では,関数線形回帰モデルと3つのスキュート多変量分布の混合に基づくクラスタリング手法 funWeightClustSkew を提案する。
本手法は関数型高次元データクラスタリング(funHDDC)手法の枠組みに従う。
funWeightlustClustSkewのシミュレーションデータとAir Qualityデータセットの性能について説明する。
論文 参考訳（メタデータ） (2025-04-17T06:17:06Z) - Mixture models for data with unknown distributions [0.6345523830122168]
実数値多変量データに対する混合モデルの幅広いクラスを記述・解析する。
データの分割と分布の推定の両方を返却し、クラスタリングと密度推定を各クラスタ内で同時に効果的に行う。
提案手法を図解的アプリケーション選択で実証し,両アルゴリズムをコードで実装する。
論文 参考訳（メタデータ） (2025-02-26T22:42:40Z) - Fusion of Gaussian Processes Predictions with Monte Carlo Sampling [61.31380086717422]
科学と工学において、私たちはしばしば興味のある変数の正確な予測のために設計されたモデルで作業します。
これらのモデルが現実の近似であることを認識し、複数のモデルを同じデータに適用し、結果を統合することが望ましい。
論文 参考訳（メタデータ） (2024-03-03T04:21:21Z) - Empirical Density Estimation based on Spline Quasi-Interpolation with
applications to Copulas clustering modeling [0.0]
密度推定は、様々な分野において、基礎となるデータの分布をモデル化し理解するための基礎的な手法である。
本稿では,擬似補間による密度の単変量近似を提案する。
提案アルゴリズムは人工データセットと実データセットで検証される。
論文 参考訳（メタデータ） (2024-02-18T11:49:38Z) - Finite mixture of skewed sub-Gaussian stable distributions [0.0]
提案モデルは正規分布とスキュー分布の有限混合を含む。
堅牢なモデルベースのクラスタリングのための強力なモデルとして使用できる。
論文 参考訳（メタデータ） (2022-05-27T15:51:41Z) - A similarity-based Bayesian mixture-of-experts model [0.5156484100374058]
多変量回帰問題に対する新しい非パラメトリック混合実験モデルを提案する。
条件付きモデルを用いて、サンプル外入力の予測は、観測された各データポイントと類似性に基づいて行われる。
混合物のパラメータと距離測定値に基づいて後部推論を行う。
論文 参考訳（メタデータ） (2020-12-03T18:08:30Z) - Autoregressive Score Matching [113.4502004812927]
自動回帰条件スコアモデル(AR-CSM)を提案する。
AR-CSMモデルでは、このデータ分布とモデル分布のばらつきを効率的に計算し、最適化することができ、高価なサンプリングや対向訓練を必要としない。
本研究では,合成データに対する密度推定,画像生成,画像復調,暗黙エンコーダを用いた潜在変数モデルの訓練に応用できることを示す。
論文 参考訳（メタデータ） (2020-10-24T07:01:24Z) - Efficient Ensemble Model Generation for Uncertainty Estimation with
Bayesian Approximation in Segmentation [74.06904875527556]
アンサンブルセグメンテーションモデルを構築するための汎用的で効率的なセグメンテーションフレームワークを提案する。
提案手法では,層選択法を用いて効率よくアンサンブルモデルを生成することができる。
また,新たな画素単位の不確実性損失を考案し,予測性能を向上する。
論文 参考訳（メタデータ） (2020-05-21T16:08:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。