无模型贝叶斯聚类与后验摘要新方法

Qing Li 与 Sara Wade 提交预印本论文，提出一种无模型、噪声感知的贝叶斯聚类框架。该框架从预测式贝叶斯视角在聚类上构建鞅后验，无需显式似然-先验建模、MCMC 采样或寻模变分近似，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。论文称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。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。