Convergence of latent mixing measures in finite and infinite mixture models
有限与无限混合模型中潜在混合测度的收敛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：摘要研究混合模型与聚类的一般收敛理论，未明确涉及经济结构估计或其他所列细分方向。
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
有限与无限混合模型中潜在混合测度的收敛
- 研究问题
- 混合分布拟合上的接近如何转化为潜在混合测度及其支持原子的接近，有限和无限混合模型的后验收敛速度如何刻画？
- 方法与思路
- 作者用 Wasserstein 距离度量混合测度，研究其与混合分布上 Hellinger、KL 距离的联系，并引入不同可识别条件。
- 材料陈述的贡献
- 摘要称，论文建立有限多元混合及 Dirichlet 过程无限混合的混合测度后验收敛率，并解释其与聚类原子收敛的关系。
- 阅读关注点
- 应核对不同可识别条件如何连接两类距离、有限与无限混合的速率差异，以及测度收敛如何落实到原子层面。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；具体识别条件、收敛率和原子对应方式未说明，不能断言任意混合模型均可恢复聚类。
原文摘要
This paper studies convergence behavior of latent mixing measures that arise in finite and infinite mixture models, using transportation distances (i.e., Wasserstein metrics). The relationship between Wasserstein distances on the space of mixing measures and $f$-divergence functionals such as Hellinger and Kullback–Leibler distances on the space of mixture distributions is investigated in detail using various identifiability conditions. Convergence in Wasserstein metrics for discrete measures implies convergence of individual atoms that provide support for the measures, thereby providing a natural interpretation of convergence of clusters in clustering applications where mixture models are typically employed. Convergence rates of posterior distributions for latent mixing measures are established, for both finite mixtures of multivariate distributions and infinite mixtures based on the Dirichlet process.