タートルシェル・クラスタリング：フローモデルへの応用を含む識別的クラスタリングのための混合アプローチ
arXiv stat.ML / 2026/4/28
📰 ニュースModels & Research
要点
- 本論文では、「タートルシェル・クラスタリング」として、正則化された相互情報量の目的関数を用い、幾何学的性質（生成的）とクラスタ境界（識別的）という考え方を統合した完全教師なしの確率的クラスタリング手法を提案しています。
- 条件付きモデルは「混合の混合（mixture of mixtures）」として、ガウス成分と一様分布の混合で定式化されており、ノイズや不規則なクラスタ形状といった状況への頑健性を高めます。
- 成分数（コンポーネント数）の自動選択は、正則化項に加えてマージ（統合）ステップを導入することで実現され、ベイズ流のクラスタリングで用いられるリバーシブルジャンプMCMCに似た発想が取り入れられています。
- さまざまなシミュレーションおよび実データ（クラスタリング研究で一般的に扱われるデータ）で評価し、さらにフローサイトメトリー実験に由来するデータにも拡張して、非線形な境界線の推定や異常があっても直感的なクラスタの復元が可能であることを示します。
- 全体として、本研究は教師なしで高品質な識別的クラスタリングを目指し、異常なデータパターンに対する内蔵型の頑健性を備えた新しいクラスタリング枠組みを提示しています。
