Machine learningMachine learning

مدل ترکیبی گوسی مقاوم (Robust Gaussian Mixture Model)

مدل ترکیبی گوسی مقاوم، مولفه‌های استاندارد گوسی را با توزیع‌هایی با دنباله‌های سنگین‌تر - که معمولاً توزیع t- استیودنت هستند - جایگزین می‌کند، یا هرس کردن (trimming) و کاهش وزن نقاط پرت (outliers) را در چارچوب الگوریتم EM (Expectation-Maximization) ادغام می‌نماید. نتیجه، روشی برای خوشه‌بندی احتمالی و تخمین چگالی است که به نقاط واقعاً غیرعادی، نفوذ کمتری بر پارامترهای مولفه‌ها اعمال می‌کند و از تحریف شکل یا موقعیت خوشه‌ها توسط نقاط پرت جلوگیری می‌نماید.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Peel, D. & McLachlan, G. J. (2000). Robust mixture modelling using the t distribution. Statistics and Computing, 10(4), 339–348. DOI: 10.1023/A:1008981510081
  2. Maronna, R. A., Martin, R. D. & Yohai, V. J. (2006). Robust Statistics: Theory and Methods. Wiley. ISBN: 978-0-470-01092-1

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants). ScholarGate. https://scholargate.app/fa/machine-learning/robust-gaussian-mixture-model

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateRobust Gaussian Mixture Model (Robust Gaussian Mixture Model (Heavy-Tailed and Trimmed Variants)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/machine-learning/robust-gaussian-mixture-model · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026