Multivariate Normal Mixtures: A Fast Consistent Method of Moments
多元正态混合：快速且一致的矩估计方法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：摘要围绕一般多元混合分布的矩识别与估计展开，没有明确研究结构经济模型、分布效应或所列其他方向。
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
多元正态混合：快速且一致的矩估计方法
- 研究问题
- 如何利用样本矩识别高维数据中的多元正态混合结构，在减少搜索成本的同时获得一致且具有良好表现的估计？
- 方法与思路
- 作者设计特定矩方程组来识别混合分布，讨论唯一性与等变性问题，并通过模拟和鸢尾花数据考察计算及估计表现。
- 材料陈述的贡献
- 摘要称该方程组在文中限定条件下识别真实混合分布、提供一致估计，计算较快，且估计值接近似然最大化参数。
- 阅读关注点
- 应核对混合分布识别的限制、唯一性与等变性的处理，以及接近极大似然参数这一经验结果与统计效率之间的关系。
- 阅读边界
- 仅有 OpenAlex 索引摘要，稿件版本未注明；识别限制和数值细节未给出，接近极大似然参数不能直接证明效率最优，也不能推断刊本变化。
原文摘要
A longstanding difficulty in multivariate statistics is identifying and evaluating nonnormal data structures in high dimensions with high statistical efficiency and low search effort. Here the possibilities of using sample moments to identify mixtures of multivariate normals are investigated. A particular system of moment equations is devised and then shown to be one that identifies the true mixing distribution, with some limitations (indicated in the text), and thus provides consistent estimates. Moreover, the estimates are shown to be quickly calculated in any dimension and to be highly efficient in the sense of being close to the values of the parameters that maximize the likelihood function. This is shown by simulation and the application of the method to Fisher's iris data. While establishing these results, we discuss certain limitations associated with moment methods with regard to uniqueness and equivariance and explain how we addressed these problems.