• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Symposium on Intelligence Computation amp; Applications(ISICA'2007); 20070921-23; Wuhan(CN) >Parameter Setting for Evolutionary Latent Class Clustering
【24h】

Parameter Setting for Evolutionary Latent Class Clustering

机译：演化潜在类聚类的参数设置

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The latent class model or multivariate multinomial mixture is a powerful model for clustering discrete data. This model is expected to be useful to represent non-homogeneous populations. It uses a conditional independence assumption given the latent class to which a statistical unit is belonging. However, it leads to a criterion that proves difficult to optimise by the standard approach based on the EM algorithm. An Evolutionary Algorithms is designed to tackle this discrete optimisation problem, and an extensive parameter study on a large artificial dataset allows to derive stable parameters. Those parameters are then validated on other artificial datasets, as well as on some well-known real data: the Evolutionary Algorithm performs repeatedly better than other standard clustering techniques on the same data.
机译：潜在类模型或多元多项式混合是对离散数据进行聚类的强大模型。该模型有望用于表示非同质种群。给定一个统计单元所属的潜在类，它使用条件独立性假设。但是，这导致了一个标准，证明该标准很难通过基于EM算法的标准方法来优化。设计了一种进化算法来解决该离散优化问题，并且在大型人工数据集上进行广泛的参数研究可以得出稳定的参数。然后，在其他人工数据集以及一些众所周知的真实数据上验证这些参数：与相同的数据相比，进化算法的重复性要好于其他标准聚类技术。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号