Maximum smoothed likelihood for multivariate mixtures
多元混合模型的最大平滑似然估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究通用多元混合分布的估计算法，未直接涉及所列结构估计或其他领域细分。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
多元混合模型的最大平滑似然估计
- 研究问题
- 在至少三维、坐标条件独立且组分分布完全未指定的有限混合模型中，如何构造具有目标函数下降性质的估计算法？
- 方法与思路
- 作者基于上界最小化思想构建平滑似然算法，证明下降性质，讨论与相关平滑 EM 算法的联系，并开展模拟比较。
- 材料陈述的贡献
- 摘要称新算法具有下降性质，模拟结果与另一经验有效但缺乏该性质的算法相近，并在公开 R 包中提供实现代码。
- 阅读关注点
- 应核对条件独立的具体含义、混合模型识别与平滑设定，区分目标下降、算法收敛和估计一致性各自需要的论证。
- 阅读边界
- 依据所给 Crossref 摘要，不能推断其他版本变化；下降性质不等于达到全局最优，摘要未说明识别条件或代码可复现情况。
原文摘要
Abstract We introduce an algorithm for estimating the parameters in a finite mixture of completely unspecified multivariate components in at least three dimensions under the assumption of conditionally independent coordinate dimensions. We prove that this algorithm, based on a majorization-minimization idea, possesses a desirable descent property just as any em algorithm does. We discuss the similarities between our algorithm and a related one, the so-called nonlinearly smoothed em algorithm for the non-mixture setting. We also demonstrate via simulation studies that the new algorithm gives very similar results to another algorithm that has been shown empirically to be effective but that does not satisfy any descent property. We provide code for implementing the new algorithm in a publicly available R package.