دانلود کتاب Mixture model-based classification – طبقه بندی مبتنی بر مدل مخلوط

توضیحات

‘This is a great overview of the field of model-based clustering and classification by one of its leading developers. McNicholas provides a resource that I am certain will be used by researchers in statistics and related disciplines for quite some time. The discussion of mixtures with heavy tails and asymmetric distributions will place this text as the authoritative, modern reference in the mixture modeling literature.’ (Douglas Steinley, University of Missouri)

Mixture Model-Based Classification is the first monograph devoted to mixture model-based approaches to clustering and classification. This is both a book for established researchers and newcomers to the field. A history of mixture models as a tool for classification is provided and Gaussian mixtures are considered extensively, including mixtures of factor analyzers and other approaches for high-dimensional data. Non-Gaussian mixtures are considered, from mixtures with components that parameterize skewness and/or concentration, right up to mixtures of multiple scaled distributions. Several other important topics are considered, including mixture approaches for clustering and classification of longitudinal data as well as discussion about how to define a cluster

Paul D. McNicholas is the Canada Research Chair in Computational Statistics at McMaster University, where he is a Professor in the Department of Mathematics and Statistics. His research focuses on the use of mixture model-based approaches for classification, with particular attention to clustering applications, and he has published extensively within the field. He is an associate editor for several journals and has served as a guest editor for a number of special issues on mixture models.

————————————————————–

ترجمه ماشینی :

‘این یک نمای کلی از زمینه خوشه بندی و طبقه بندی مبتنی بر مدل توسط یکی از توسعه دهندگان برجسته آن است. مک نیکولاس منبعی را ارائه می دهد که مطمئنم برای مدتی طولانی توسط محققان در آمار و رشته های مرتبط استفاده خواهد شد. بحث در مورد مخلوط هایی با دم های سنگین و توزیع های نامتقارن، این متن را به عنوان مرجع معتبر و مدرن در ادبیات مدل سازی مخلوط قرار می دهد. طبقه بندی مبتنی بر مدلاولین تک نگاری است که به رویکردهای مبتنی بر مدل ترکیبی برای خوشه بندی و طبقه بندی اختصاص داده شده است. این کتاب هم برای محققین با سابقه و هم برای تازه واردان این حوزه است. تاریخچه مدل‌های مخلوط به‌عنوان ابزاری برای طبقه‌بندی ارائه شده است و مخلوط‌های گاوسی به طور گسترده در نظر گرفته می‌شوند، از جمله مخلوط‌هایی از تحلیلگرهای عامل و سایر رویکردها برای داده‌های با ابعاد بالا. مخلوط‌های غیر گاوسی، از مخلوط‌هایی با اجزایی که چولگی و/یا غلظت را پارامتر می‌کنند تا مخلوط‌هایی از توزیع‌های چندگانه در نظر گرفته می‌شوند. چندین موضوع مهم دیگر در نظر گرفته شده است، از جمله رویکردهای مخلوط برای خوشه بندی و طبقه بندی داده های طولی و همچنین بحث در مورد چگونگی تعریف یک خوشه