Clustering Matrix Variate Data using Parsimonious Mixtures of Skewed Distributions
Questo articolo introduce una famiglia di modelli di miscela parsimoniosi per distribuzioni asimmetriche matriciali variate che utilizzano miscele varianza-media di distribuzioni normali con vincoli di parametri per ridurre la complessità e consentire un clustering efficace di dati ad alta dimensionalità utilizzando un algoritmo di Massima Verosimiglianza Condizionata (Expectation-Conditional Maximization).