混合Normal Inverse Gaussianによるクラスタリングの変分EM解法に対する事前分布の更新による精度向上

抄録

モデルベースのクラスタリングにはベイズ推論がある．ベイズ推論の解法である変分EMアルゴリズムにおける事前分布は，学習が終了するまで更新されないが，学習の度に事前分布が使用される．そのため，少ない計算量で適切な分類を行うためには事前分布を設定することが重要であるが，人の手で行うことは困難である．そこで，学習時の事後分布を用いて新たな事前分布を決定する手法を試みた．本研究では，提案手法をNIGMM(Normal Inverse Gaussian)の変分EMアルゴリズムを用いたクラスタリングに適用した．精度の指標としてARI(Adjusted Rand Index)を用いた．その結果，ARIは大きく変化せず，悪化するケースが多かったが，アルゴリズムが破綻するケースもあり，条件分岐と組み込むことで提案手法が有効に利用できることが示された．