无模型贝叶斯聚类与多模态后验摘要化

研究提出一种无模型、噪声感知的贝叶斯聚类框架，从预测式贝叶斯视角构建聚类上的鞅后验，无需显式似然-先验建模、昂贵的 MCMC 采样和寻模变分近似，可适应不规则簇形状并并行生成后验样本。为解释高维噪声感知聚类的后验，作者引入 Wasserstein 型摘要方法，用新型噪声感知损失将大量后验样本压缩为少量加权代表，并对密度水平的不确定性进行边缘化。理论分析给出了该损失的性质及水平边缘后验近似的保证。