Core Concepts
데이터로부터 유한 혼합 모델을 추론하는 문제를 최적 운송 문제로 정의하고, 엔트로피 정규화를 통해 통합된 하드 및 소프트 클러스터링을 제안합니다.
Stats
우도를 최대화하는 고전적 비지도 학습 방법은 EM 알고리즘입니다.
클러스터링 알고리즘은 비볼록 문제를 해결하기 위해 교대 최소화를 사용합니다.
클러스터링 알고리즘의 각 단계는 유한 혼합 모델의 추론에 대한 닫힌 형태의 해결책을 갖습니다.
Quotes
"Our method unifies hard and soft clustering, the Expectation-Maximization (EM) algorithm being exactly recovered for λ = 1."
"Experiments highlight the benefits of taking a parameter λ > 1 to improve the inference performance and λ → 0 for classification."