白云鹏

【摘要】 关于聚类问题现在已经有很多方法可以实现，但大多数基于有限混合模型的聚类方法需要预先估计聚类的个数，因而聚类的准确性和泛化性会受到一定影响。本文则提出了一种基于无线混合模型——中国餐馆模型（CRP）的聚类方法，CRP模型是Dirichlet过程的一种表示方法，基于Dirichlet无线混合模型找出其后验分布，利用Gibbs采样MCMC方法估计出模型中各个参数以及潜在的聚类个数，并在MATLAB环境下进行一个小实验来验证聚类的效果。

【关键词】 聚类 CRP模型 Dirichlet过程 MCMC采样

一、引言

聚类顾名思义就是把事物按照特定的性质或者相似性进行区分和分类，在这一过程中不指导，属于无监督分类。作为一种重要的数据分析方法，聚类分析问题在很久以前就已经为人们所研究，并且已经取得了一定成果，目前的算法已经能对一般简单的聚类问题做出很好的聚类结果。但随着大数据时代的到来，实际应用中的数据越来月复杂，如基因表达数据，交通流数据，web文档等，有一些数据还存在着极大的不确定性，有的数据可以达到几百维甚至上千维，受“维度效应”的影响，很多在低维空间能得到很好结果的聚类算法在高维空间中并不是十分理想。

关于高维数据的聚类近几年一些基于有限混合模型的方法取得了很有效的成果。但是这些算法需要提前估计聚类个数的前提下，根据样本的属性进行分析分类。本文采用了一种基于Dirichlet无线混合模型的方法，利用CRP模型和Gibbs采样方法，在分析过程中找出潜在的聚类个数，实现对数据的聚类。……