一种具有最优保证特性的贝叶斯可能性聚类方法

来源：电子与信息学报杂志2017年第7期北京时间：

作者：刘解放, 王士同, 王骏, 邓赵红

单位：2.(江南大学数字媒体学院 无锡 214122) ②(湖北交通职业技术学院交通信息学院 武汉 430079)

摘要：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。

关键词：可能性聚类, 贝叶斯推理, 最大后验概率, 蒙特卡洛方法

基金资助：国家自然科学基金(61572236)，江苏省杰出青年基金(BK20140001)，江苏省自然科学基金(BK20151299)