فرزاد اسکندری - Department of Statistics, Allameh Tabataba'i University, Tehran, Iran.
حمید حاجی آقا بزرگی - Department of Statistics, Allameh Tabataba'i University, Tehran, Iran.

مدل های آمیخته گرافی، ابزاری قدرتمند برای نمایش دیداری روابط استقلال شرطی بین داده های ناهمگن بالابعد فراهم کرده است. در مطالعه این مدل ها، اغلب توزیع مولفه های آمیخته، نرمال چندمتغیره با ماتریس های کواریانس متفاوت در نظر گرفته شده که مدل حاصل، به مدل آمیخته گرافی گاوسی معروف است. با جای گزین کردن فرض محدودکننده نرمال با یک مفصل نیمه پارامتری نرمال، مدل آمیخته گرافی نرمال ناپارامتری معرفی شده که هم مدل گرافی نرمال ناپارامتری و هم مدل های آمیخته را تعمیم داده است. در این مطالعه، خوشه بندی مبتنی بر مدل آمیخته گرافی نرمال ناپارامتری با دو فرم تابع تاوان ell_۱ (متعارف و نامتعارف) پیشنهاد شده است و عملکرد آن با روش خوشه بندی مبتنی بر مدل آمیخته گرافی گاوسی مقایسه شده است. نتایج مطالعه شبیه سازی روی داده های نرمال و غیرنرمال، در حضور و عدم حضور داده های دورافتاده و همچنین نتایج کاربردی روی داده های سرطان سینه نشان داد که ترکیب مدل آمیخته گرافی نرمال ناپارامتری با تابع تاوان وابسته به نسبت های آمیخته، از نظر بازسازی خوشه ها و برآورد پارامترهای مدل، نسبت به سایر روش های خوشه بندی مبتنی بر مدل از دقت بالاتری برخوردار است.

Clustering, Graphical Mixture Models, Nonparanormal Distribution, Penalized Log-Likelihood., توزیع نرمال ناپارامتری, خوشه بندی, لگاریتم درستنمایی تاوانیده, مدل های آمیخته گرافی.