Есть ли способ выполнить кластеризацию для множества многомерных гауссовских распределений?

Question

У меня есть набор многомерных (2D) гауссовских распределений (представленный средним значением и дисперсией) и хотел бы выполнить кластеризацию этих распределений таким образом, чтобы поддерживать вероятностную гауссову информацию (возможно, используя перекрытие дисперсий?).

Я сделал некоторые исследования в области методов кластеризации и обнаружили, что DBSCAN кластеризация является более подходящим, чем K-средних, так как я не знаю, сколько кластеров я ожидал найти. Однако DBSCAN использует эвклидовое расстояние epsilon для поиска кластеров вместо использования дисперсий каждого распределения. Я также изучил методы модели Гаусса-Смесь, но они соответствуют набору точек для набора кластеров K Gaussian, а не подгоняют кластеры к набору гауссовских распределений.

Кто-нибудь знает какие-либо дополнительные методы кластеризации, которые могут быть уместны для моих нужд?

Спасибо!

Answer 1

DBSCAN может использоваться с произвольными расстояниями. Это не ограничен Евклидовым расстоянием. Вы можете использовать меру расхождения, например. насколько ваши гауссовы перекрываются.

Однако я бы предложил иерархическую кластеризацию или гауссовское смешивание (EM).

DBSCAN является разработан, чтобы позволить в форме банана кластеры, которые не хорошо аппроксимируется гауссианов. Ваша цель состоит в том, чтобы объединить аналогичные гауссианы. Это лучше достигается путем иерархической кластеризации.