非監督式廣義學習NEM分類演算法;Unsupervised Generalized Learning-based NEM Algorithm for Clustering

NCU Institutional Repository > 理學院 > 統計研究所 > 博碩士論文 > Item 987654321/92746

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/92746

题名:	非監督式廣義學習NEM分類演算法;Unsupervised Generalized Learning-based NEM Algorithm for Clustering
作者:	馬繻嬪;Ma, Ru-Pin
贡献者:	統計研究所
关键词:	聚類分析;高斯混合模型;機器學習;NEM演算法;無監督學習;Cluster analysis;Gaussian mixture model;Machine learning;NEM algorithm;Unsupervised learning
日期:	2023-07-04
上传时间:	2024-09-19 16:16:35 (UTC+8)
出版者:	國立中央大學
摘要:	聚類分析是用來預先瀏覽數據結構常見的方法，應用的領域像是在機器學習、圖像識別和生態學研究都是常見的。大多數無監督學習的聚類方法，像是EM演算法和NEM演算法，都是基於近似混合概似比以及需要預先給定聚類數而發展。此外，NEM演算法的準確性對初始值的指定十分敏感，而且在矩陣計算中容易出現反矩陣不存在的問題，尤其是對於在可視化中的三維數據集。本篇論文，提出了一種基於廣義學習的NEM(GLB- NEM)非監督式演算法，它不僅解決了初始值的敏感性和矩陣計算不存在的問題，而且所提出的演算法能夠自動收斂到正確的分類群數。關於所提出的GLB-NEM聚類演算法的統計推論在理論和模擬研究中都具有合理性。最後，本文透過兩筆實際資料分析說明方法的實用性。;Cluster analysis is a common method to preview the underlying structure of the data in machine learning, image analysis, and ecological researches. Most of unsupervised learning clustering methods such as the EM algorithm and the NEM algorithm were developed based on the mixture likelihood ratio and the number of clusters needs to be specified in advance. In addition, the accuracy of the NEM method is sensitive to the specification of the initial value and it also suffers the singular issues in the computation of the matrix especially for the three-dimensional data sets. In this thesis, a generalized learning-based NEM (GLB- NEM) algorithm is proposed which not only solves the sensitivity of the initial value and the singular issues of the matrix, but also the proposed algorithm can automatically converge to the correct number of clusters. Statistical inferences about the proposed GLB-NEM cluster algorithm are justified both in theories and simulation studies. Also, two real data examples are analyzed for illustration.
显示于类别:	[統計研究所] 博碩士論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	12	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....