Estimating the number of components in finite mixture models via the Group-Sort-Fuse procedure
通过分组—排序—融合程序估计有限混合模型的成分数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：摘要讨论一般有限混合模型，未限定为离散选择、结构估计或其他所列方向。
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
通过分组—排序—融合程序估计有限混合模型的成分数
- 研究问题
- 在多维有限混合模型中，如何同时估计真实成分数与混合测度，并避免逐个拟合和比较不同成分数的模型？
- 方法与思路
- 作者提出GSF惩罚似然程序，在给定保守成分数上界后，对成分参数分组、排序并融合冗余成分。
- 材料陈述的贡献
- 摘要称GSF在广泛模型下具有成分数一致性，参数估计达到带多对数因子的根号样本量收敛率，并提供R包实现。
- 阅读关注点
- 应核对模型可识别性、成分分离及惩罚条件，上界与调参方式，以及理论适用范围和模拟比较中的计算成本。
- 阅读边界
- 索引摘要未说明一致性和收敛率的具体条件，也未给模拟数值；不能仅据软件实现与摘要判断其普遍优于其他方法。
原文摘要
Estimation of the number of components (or order) of a finite mixture model is a long standing and challenging problem in statistics. We propose the Group-Sort-Fuse (GSF) procedure—a new penalized likelihood approach for simultaneous estimation of the order and mixing measure in multidimensional finite mixture models. Unlike methods which fit and compare mixtures with varying orders using criteria involving model complexity, our approach directly penalizes a continuous function of the model parameters. More specifically, given a conservative upper bound on the order, the GSF groups and sorts mixture component parameters to fuse those which are redundant. For a wide range of finite mixture models, we show that the GSF is consistent in estimating the true mixture order and achieves the n−1/2 convergence rate for parameter estimation up to polylogarithmic factors. The GSF is implemented for several univariate and multivariate mixture models in the R package GroupSortFuse. Its finite sample performance is supported by a thorough simulation study, and its application is illustrated on two real data examples.