.png){kind=icon}
返回
Nested Compound Random Measures
.png){kind=icon}
PRE
AI
DOI：10.1080/10618600.2026.2652928.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
嵌套非参数过程是一类随机概率测度向量，在贝叶文献中广泛用于建模不同但相关的观测组之间的依赖关系。这些过程允许在观测和组两个层面进行两级聚类。然而，大多数现有模型要么计算效率不高，要么数学上难以处理。在本文中，我们引入了一系列嵌套过程以克服这些问题。我们的方法建立在Griffin和Leisen早期提出的复合随机测量的基础上。我们全面研究了我们模型的理论性质，并给出了复合随机测量向量的后验表征，这本身具有研究价值且当前文献中尚不可得。我们开发了嵌套非参数过程的第一个Ferguson & Klass算法。最后，我们在不同的模拟场景中测试了模型性能，并利用该构建来研究意大利伦巴第地区多个省份的空气污染问题。我们实证表明，基于复合随机测量的嵌套过程优于其他贝叶斯竞争方法。
Keyword:
Bayesian nonparametrics
Completely random measures
Partial exchangeability
Poisson processes
期刊
J
IF:
1.8
论文数:
138
被引数:
6.4K
机构
引用论文
.png){kind=icon}
分享收藏分享收藏The Semi-Hierarchical Dirichlet Process and Its Application to Clustering Homogeneous Distributions
OAAI
OAAI分享收藏
查看更多内容