Modélisation robuste de mélanges

La modélisation robuste de mélanges ajuste des modèles de mélanges finis — des méthodes de clustering probabilistes qui supposent que les données proviennent d'un mélange de sous-populations sous-jacentes — en utilisant des distributions composantes ou des stratégies d'estimation conçues pour être insensibles aux valeurs aberrantes et au bruit à queues épaisses. Les deux approches dominantes remplacent les composantes gaussiennes par des distributions à queues plus épaisses, telles que la gaussienne multivariée t, ou tronquent une proportion fixe des observations les plus extrêmes avant l'ajustement.