论文部分内容阅读
该文结合概率理论和可能性理论,提出一种具有最优保证特性的贝叶斯可能性聚类新方法。首先,将未知隶属度和聚类中心作为随机变量,为每个随机变量选择一个合适的概率分布,提出贝叶斯可能性聚类模型;在此基础上,基于贝叶斯推理和和蒙特卡洛采样方法,通过最大后验概率框架求解贝叶斯可能性聚类模型中的未知参数,从而提出一种具有最优保证特性的贝叶斯可能性聚类新方法。并对算法收敛性、算法复杂度等方面作了理论探讨。在合成数据集和真实数据集上的实验表明,所提算法扩展了传统可能性聚类性能,改进了聚类结果。