{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1315021"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1315021","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Model-based clustering on high dimensional data","abstract":"Η παρούσα εργασία αφορά τη μεθοδολογία του model-based clustering ως μια εναλλακτική προσέγγιση στο πρόβλημα ομαδοποίησης δεδομένων έναντι των κλασικών μεθόδων που βασίζονται στην έννοια της απόστασης. Στην εργασία αυτή ιδιαίτερη έμφαση δίνεται στην περίπτωση εφαρμογής του model-based clustering σε high-dimensional δεδομένα καθώς και στη χρήση της πολυμεταβλητής t κατανομής αντί της πολυμεταβλητής κανονικής που χρησιμοποιείται ευρέως στην πράξη. Επίσης παρέχονται αρκετά παραδείγματα και εφαρμογές για την καλύτερη επεξήγηση και κατανόηση των μεθόδων. Πιο συγκεκριμένα, πριν την περίπτωση των high-dimensional δεδομένων και της t πολυμεταβλητής κατανομής γίνεται μια εισαγωγή στη μεθοδολογία του model-based clustering. Περιγράφεται η θεωρία για μίξεις πολυμεταβλητών κανονικών κατανομών και πως αυτές χρησιμοποιούνται στο πλαίσιο του model-based clustering καθώς επίσης γίνεται και μια εκτενής αναφορά στη χρήση του EM αλγορίθμου για την εκτίμηση των παραμέτρων των διάφορων μοντέλων. Επιπλέον, περιγράφονται πλήρως τα μοντέλα της GPCM οικογένειας και μελετώνται αμφιλεγόμενα ζητήματα του model-based clustering όπως ο τρόπος επιλογής μοντέλου, σωστού αριθμού ομάδων, κατάλληλων αρχικών τιμών κ.α. Στη συνέχεια παρουσιάζεται η περίπτωση ομαδοποίησης high-dimensional δεδομένων. Αναφέρονται τα προβλήματα που υπάρχουν στην εφαρμογή της GPCM οικογένειας μοντέλων για αυτή την περίπτωση και εισάγεται η χρήση των factor-analyzers για αυτό το σκοπό. Επίσης, περιγράφεται πλήρως η εφαρμογή του AECM αλγορίθμου για την εκτίμηση των παραμέτρων. Επιπρόσθετα, παρουσιάζονται δύο οικογένειες μοντέλων (PGMM και EPGMM) κατάλληλες για την ομαδοποίηση high-dimensional δεδομένων, οι οποίες βασίζονται σε μίξεις πολυμεταβλητών κανονικών κατανομών (στην ουσία πρόκειται για μία μόνο οικογένεια καθώς η PGMM είναι υποσύνολο της EPGMM). Παρέχονται παραδείγματα εφαρμογών των μοντέλων αυτών των οικογενειών αλλά ταυτόχρονα αναλύονται τα πλεονεκτήματα και μειονεκτήματά τους. Κατόπιν, παρουσιάζεται η περίπτωση της χρήσης της t πολυμεταβλητής κατανομής και τα οφέλη που αυτή παρέχει, τόσο για high-dimensional δεδομένα όσο και για μη. Επίσης, περιγράφονται πλήρως οι αλγόριθμοι AECM και EM που 108 χρησιμοποιούνται για εκτίμηση των παραμέτρων αντίστοιχα. Επιπλέον, περιγράφεται και η MMtFA οικογένεια μοντέλων, η οποία είναι ανάλογη της EPGMM για την περίπτωση της t κατανομής. Τέλος, περιγράφεται μια εφαρμογή των μοντέλων των PGMM και MMtFA οικογενειών σε high dimensional δεδομένα από τη μελέτη έκφρασης γονιδίων των van 't Veer et al. (2002). Τα δεδομένα αφορούν τη γενετική έκφραση 24.182 γονιδίων (μεταβλητών) όπως αυτή αποτυπώθηκε μέσω microarray μεθόδου για 78 γυναίκες (παρατηρήσεις) με καρκίνο του μαστού. Αρχικά εφαρμόζονται τα μοντέλα UUU (PGMM) και UUC (MMtFA) για 100 τυχαία γονίδια. Στη συνέχεια επιλέγονται μέσω μιας τεχνικής παρόμοιας της EMMIX-GENE (χρησιμοποιώντας κανονική κατανομή αντί t κατανομής) 646 \"κατάλληλα\" γονίδια και η ομαδοποίηση προχωρά χρησιμοποιώντας όλα τα μοντέλα της PGMM οικογένειας. Εν κατακλείδει, το model-based clustering αποτελεί ένα πολύ ισχυρό εργαλείο στην ομαδοποίηση δεδομένων και ειδικά στην περίπτωση high-dimensional δεδομένων. Ωστόσο, υπάρχουν μερικά προβλήματα που πρέπει να ξεπεραστούν με πιο βασικό την εξεύρεση ενός αποδοτικού κριτηρίου για την επιλογή του μοντέλου με την καλύτερη ομαδοποίηση.","abstract_html":"Η παρούσα εργασία αφορά τη μεθοδολογία του model-based clustering ως μια εναλλακτική προσέγγιση στο πρόβλημα ομαδοποίησης δεδομένων έναντι των κλασικών μεθόδων που βασίζονται στην έννοια της απόστασης. Στην εργασία αυτή ιδιαίτερη έμφαση δίνεται στην περίπτωση εφαρμογής του model-based clustering σε high-dimensional δεδομένα καθώς και στη χρήση της πολυμεταβλητής t κατανομής αντί της πολυμεταβλητής κανονικής που χρησιμοποιείται ευρέως στην πράξη. Επίσης παρέχονται αρκετά παραδείγματα και εφαρμογές για την καλύτερη επεξήγηση και κατανόηση των μεθόδων. Πιο συγκεκριμένα, πριν την περίπτωση των high-dimensional δεδομένων και της t πολυμεταβλητής κατανομής γίνεται μια εισαγωγή στη μεθοδολογία του model-based clustering. Περιγράφεται η θεωρία για μίξεις πολυμεταβλητών κανονικών κατανομών και πως αυτές χρησιμοποιούνται στο πλαίσιο του model-based clustering καθώς επίσης γίνεται και μια εκτενής αναφορά στη χρήση του EM αλγορίθμου για την εκτίμηση των παραμέτρων των διάφορων μοντέλων. Επιπλέον, περιγράφονται πλήρως τα μοντέλα της GPCM οικογένειας και μελετώνται αμφιλεγόμενα ζητήματα του model-based clustering όπως ο τρόπος επιλογής μοντέλου, σωστού αριθμού ομάδων, κατάλληλων αρχικών τιμών κ.α. Στη συνέχεια παρουσιάζεται η περίπτωση ομαδοποίησης high-dimensional δεδομένων. Αναφέρονται τα προβλήματα που υπάρχουν στην εφαρμογή της GPCM οικογένειας μοντέλων για αυτή την περίπτωση και εισάγεται η χρήση των factor-analyzers για αυτό το σκοπό. Επίσης, περιγράφεται πλήρως η εφαρμογή του AECM αλγορίθμου για την εκτίμηση των παραμέτρων. Επιπρόσθετα, παρουσιάζονται δύο οικογένειες μοντέλων (PGMM και EPGMM) κατάλληλες για την ομαδοποίηση high-dimensional δεδομένων, οι οποίες βασίζονται σε μίξεις πολυμεταβλητών κανονικών κατανομών (στην ουσία πρόκειται για μία μόνο οικογένεια καθώς η PGMM είναι υποσύνολο της EPGMM). Παρέχονται παραδείγματα εφαρμογών των μοντέλων αυτών των οικογενειών αλλά ταυτόχρονα αναλύονται τα πλεονεκτήματα και μειονεκτήματά τους. Κατόπιν, παρουσιάζεται η περίπτωση της χρήσης της t πολυμεταβλητής κατανομής και τα οφέλη που αυτή παρέχει, τόσο για high-dimensional δεδομένα όσο και για μη. Επίσης, περιγράφονται πλήρως οι αλγόριθμοι AECM και EM που 108 χρησιμοποιούνται για εκτίμηση των παραμέτρων αντίστοιχα. Επιπλέον, περιγράφεται και η MMtFA οικογένεια μοντέλων, η οποία είναι ανάλογη της EPGMM για την περίπτωση της t κατανομής. Τέλος, περιγράφεται μια εφαρμογή των μοντέλων των PGMM και MMtFA οικογενειών σε high dimensional δεδομένα από τη μελέτη έκφρασης γονιδίων των van &#x27;t Veer et al. (2002). Τα δεδομένα αφορούν τη γενετική έκφραση 24.182 γονιδίων (μεταβλητών) όπως αυτή αποτυπώθηκε μέσω microarray μεθόδου για 78 γυναίκες (παρατηρήσεις) με καρκίνο του μαστού. Αρχικά εφαρμόζονται τα μοντέλα UUU (PGMM) και UUC (MMtFA) για 100 τυχαία γονίδια. Στη συνέχεια επιλέγονται μέσω μιας τεχνικής παρόμοιας της EMMIX-GENE (χρησιμοποιώντας κανονική κατανομή αντί t κατανομής) 646 &quot;κατάλληλα&quot; γονίδια και η ομαδοποίηση προχωρά χρησιμοποιώντας όλα τα μοντέλα της PGMM οικογένειας. Εν κατακλείδει, το model-based clustering αποτελεί ένα πολύ ισχυρό εργαλείο στην ομαδοποίηση δεδομένων και ειδικά στην περίπτωση high-dimensional δεδομένων. Ωστόσο, υπάρχουν μερικά προβλήματα που πρέπει να ξεπεραστούν με πιο βασικό την εξεύρεση ενός αποδοτικού κριτηρίου για την επιλογή του μοντέλου με την καλύτερη ομαδοποίηση.","abstract_has_math":false,"creators":["Αγγελής Κωνσταντίνος"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2012,"date_issued":"2012","date_published":"2012","updated_at":"2026-11-19T05:23:56Z","subjects":[],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1315021"],"render_values":[{"text":"uoadl:1315021","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1315021","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1315021","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A1315021","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Αγγελής Κωνσταντίνος"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2012"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1315021","https://pergamos.lib.uoa.gr/uoa/dl/object/1315021"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα εργασία αφορά τη μεθοδολογία του model-based clustering ως μια εναλλακτική προσέγγιση στο πρόβλημα ομαδοποίησης δεδομένων έναντι των κλασικών μεθόδων που βασίζονται στην έννοια της απόστασης. Στην εργασία αυτή ιδιαίτερη έμφαση δίνεται στην περίπτωση εφαρμογής του model-based clustering σε high-dimensional δεδομένα καθώς και στη χρήση της πολυμεταβλητής t κατανομής αντί της πολυμεταβλητής κανονικής που χρησιμοποιείται ευρέως στην πράξη. Επίσης παρέχονται αρκετά παραδείγματα και εφαρμογές για την καλύτερη επεξήγηση και κατανόηση των μεθόδων. Πιο συγκεκριμένα, πριν την περίπτωση των high-dimensional δεδομένων και της t πολυμεταβλητής κατανομής γίνεται μια εισαγωγή στη μεθοδολογία του model-based clustering. Περιγράφεται η θεωρία για μίξεις πολυμεταβλητών κανονικών κατανομών και πως αυτές χρησιμοποιούνται στο πλαίσιο του model-based clustering καθώς επίσης γίνεται και μια εκτενής αναφορά στη χρήση του EM αλγορίθμου για την εκτίμηση των παραμέτρων των διάφορων μοντέλων. Επιπλέον, περιγράφονται πλήρως τα μοντέλα της GPCM οικογένειας και μελετώνται αμφιλεγόμενα ζητήματα του model-based clustering όπως ο τρόπος επιλογής μοντέλου, σωστού αριθμού ομάδων, κατάλληλων αρχικών τιμών κ.α. Στη συνέχεια παρουσιάζεται η περίπτωση ομαδοποίησης high-dimensional δεδομένων. Αναφέρονται τα προβλήματα που υπάρχουν στην εφαρμογή της GPCM οικογένειας μοντέλων για αυτή την περίπτωση και εισάγεται η χρήση των factor-analyzers για αυτό το σκοπό. Επίσης, περιγράφεται πλήρως η εφαρμογή του AECM αλγορίθμου για την εκτίμηση των παραμέτρων. Επιπρόσθετα, παρουσιάζονται δύο οικογένειες μοντέλων (PGMM και EPGMM) κατάλληλες για την ομαδοποίηση high-dimensional δεδομένων, οι οποίες βασίζονται σε μίξεις πολυμεταβλητών κανονικών κατανομών (στην ουσία πρόκειται για μία μόνο οικογένεια καθώς η PGMM είναι υποσύνολο της EPGMM). Παρέχονται παραδείγματα εφαρμογών των μοντέλων αυτών των οικογενειών αλλά ταυτόχρονα αναλύονται τα πλεονεκτήματα και μειονεκτήματά τους. Κατόπιν, παρουσιάζεται η περίπτωση της χρήσης της t πολυμεταβλητής κατανομής και τα οφέλη που αυτή παρέχει, τόσο για high-dimensional δεδομένα όσο και για μη. Επίσης, περιγράφονται πλήρως οι αλγόριθμοι AECM και EM που 108 χρησιμοποιούνται για εκτίμηση των παραμέτρων αντίστοιχα. Επιπλέον, περιγράφεται και η MMtFA οικογένεια μοντέλων, η οποία είναι ανάλογη της EPGMM για την περίπτωση της t κατανομής. Τέλος, περιγράφεται μια εφαρμογή των μοντέλων των PGMM και MMtFA οικογενειών σε high dimensional δεδομένα από τη μελέτη έκφρασης γονιδίων των van 't Veer et al. (2002). Τα δεδομένα αφορούν τη γενετική έκφραση 24.182 γονιδίων (μεταβλητών) όπως αυτή αποτυπώθηκε μέσω microarray μεθόδου για 78 γυναίκες (παρατηρήσεις) με καρκίνο του μαστού. Αρχικά εφαρμόζονται τα μοντέλα UUU (PGMM) και UUC (MMtFA) για 100 τυχαία γονίδια. Στη συνέχεια επιλέγονται μέσω μιας τεχνικής παρόμοιας της EMMIX-GENE (χρησιμοποιώντας κανονική κατανομή αντί t κατανομής) 646 \"κατάλληλα\" γονίδια και η ομαδοποίηση προχωρά χρησιμοποιώντας όλα τα μοντέλα της PGMM οικογένειας. Εν κατακλείδει, το model-based clustering αποτελεί ένα πολύ ισχυρό εργαλείο στην ομαδοποίηση δεδομένων και ειδικά στην περίπτωση high-dimensional δεδομένων. Ωστόσο, υπάρχουν μερικά προβλήματα που πρέπει να ξεπεραστούν με πιο βασικό την εξεύρεση ενός αποδοτικού κριτηρίου για την επιλογή του μοντέλου με την καλύτερη ομαδοποίηση.","This thesis concerns the methodology of model-based clustering as an alternative to the classical distance-based clustering techniques. Also, this thesis emphasize to the model-based clustering on high-dimensional data as well as in the use of multivariate t distribution instead of multivariate normal which is broadly in use. Moreover, there are plenty of examples and applications for the best understanding and explanation of the methods. In more detail, before the case of high-dimensional data and t distribution there is an introduction in the philosophy of model-based clustering. There is some theory about mixtures of multivariate normal distributions and how those mixtures are used in the frame of model-based clustering. An extensive reference in the use of the EM algorithm for the parameters estimation exists as well. Furthermore, the models of the GPCM family are described in detail and there is also a discussion around controversial issues of model-based clustering such as model selection techniques, proper number of groups, initial values etc. Then, the case of clustering of high-dimensional data is presented. Problems in the use of GPCM family for the case of high-dimensioanl data are discussed also and the use of factor-analyzers is proposed as an alternative. Also, there is a full description of the implementation of the AECM algorithm which is used for parameter estimation in that case. Furthermore, we present two families models (PGMM και EPGMM) which are appropriate for the clustering of high-dimensional data and are based on mixtures of multivariate normal distributions (more specifically PGMM is nested in EPGMM). Applications of those families are provided and at the same time their advantages and disadantages are discussed as well. Then, the case of multivariate t distribution and the benefits of its use is presented for the clustering of both high-dimensional data and not. Also, the AECM and EM algorithms respectively are fully described for this case. Moreover, the MMtFA family models is also presented for the case of t factor analyzers accordingly to the EPGMM family for the case of normal factor analyzers. At the end, there is an application of the PGMM and MMtFA family models on high-dimensional data from the gene expression study of van 't Veer et al. (2002). 110 Data concern the expression of 24.182 genes (variables) from 78 women (observations) suffered from breast cancer. Initially the UUU (PGMM) and UUC (MMtFA) models are implemented for 100 random genes. Then, we move to model-based clustering using all models of PGMM family based on 646 genes, which were \"appropriately\" selected through a technique similar to EMMIX-GENE (by using the normal distribution instead of t) In summary, model-based clustering appears to be a powerful tool in the clustering problem and especially in the case of high-dimensional data. However, there are some problems to overcome and the most basic among them appears to be the development of an efficient criterion for model selection."]},{"key":"dc:title","label":"Title","values":["Model-based clustering on high dimensional data"]}]}],"canonical_facts":{"dc:creator":["Αγγελής Κωνσταντίνος"],"dc:date":["2012"],"dc:description":["Η παρούσα εργασία αφορά τη μεθοδολογία του model-based clustering ως μια εναλλακτική προσέγγιση στο πρόβλημα ομαδοποίησης δεδομένων έναντι των κλασικών μεθόδων που βασίζονται στην έννοια της απόστασης. Στην εργασία αυτή ιδιαίτερη έμφαση δίνεται στην περίπτωση εφαρμογής του model-based clustering σε high-dimensional δεδομένα καθώς και στη χρήση της πολυμεταβλητής t κατανομής αντί της πολυμεταβλητής κανονικής που χρησιμοποιείται ευρέως στην πράξη. Επίσης παρέχονται αρκετά παραδείγματα και εφαρμογές για την καλύτερη επεξήγηση και κατανόηση των μεθόδων. Πιο συγκεκριμένα, πριν την περίπτωση των high-dimensional δεδομένων και της t πολυμεταβλητής κατανομής γίνεται μια εισαγωγή στη μεθοδολογία του model-based clustering. Περιγράφεται η θεωρία για μίξεις πολυμεταβλητών κανονικών κατανομών και πως αυτές χρησιμοποιούνται στο πλαίσιο του model-based clustering καθώς επίσης γίνεται και μια εκτενής αναφορά στη χρήση του EM αλγορίθμου για την εκτίμηση των παραμέτρων των διάφορων μοντέλων. Επιπλέον, περιγράφονται πλήρως τα μοντέλα της GPCM οικογένειας και μελετώνται αμφιλεγόμενα ζητήματα του model-based clustering όπως ο τρόπος επιλογής μοντέλου, σωστού αριθμού ομάδων, κατάλληλων αρχικών τιμών κ.α. Στη συνέχεια παρουσιάζεται η περίπτωση ομαδοποίησης high-dimensional δεδομένων. Αναφέρονται τα προβλήματα που υπάρχουν στην εφαρμογή της GPCM οικογένειας μοντέλων για αυτή την περίπτωση και εισάγεται η χρήση των factor-analyzers για αυτό το σκοπό. Επίσης, περιγράφεται πλήρως η εφαρμογή του AECM αλγορίθμου για την εκτίμηση των παραμέτρων. Επιπρόσθετα, παρουσιάζονται δύο οικογένειες μοντέλων (PGMM και EPGMM) κατάλληλες για την ομαδοποίηση high-dimensional δεδομένων, οι οποίες βασίζονται σε μίξεις πολυμεταβλητών κανονικών κατανομών (στην ουσία πρόκειται για μία μόνο οικογένεια καθώς η PGMM είναι υποσύνολο της EPGMM). Παρέχονται παραδείγματα εφαρμογών των μοντέλων αυτών των οικογενειών αλλά ταυτόχρονα αναλύονται τα πλεονεκτήματα και μειονεκτήματά τους. Κατόπιν, παρουσιάζεται η περίπτωση της χρήσης της t πολυμεταβλητής κατανομής και τα οφέλη που αυτή παρέχει, τόσο για high-dimensional δεδομένα όσο και για μη. Επίσης, περιγράφονται πλήρως οι αλγόριθμοι AECM και EM που 108 χρησιμοποιούνται για εκτίμηση των παραμέτρων αντίστοιχα. Επιπλέον, περιγράφεται και η MMtFA οικογένεια μοντέλων, η οποία είναι ανάλογη της EPGMM για την περίπτωση της t κατανομής. Τέλος, περιγράφεται μια εφαρμογή των μοντέλων των PGMM και MMtFA οικογενειών σε high dimensional δεδομένα από τη μελέτη έκφρασης γονιδίων των van 't Veer et al. (2002). Τα δεδομένα αφορούν τη γενετική έκφραση 24.182 γονιδίων (μεταβλητών) όπως αυτή αποτυπώθηκε μέσω microarray μεθόδου για 78 γυναίκες (παρατηρήσεις) με καρκίνο του μαστού. Αρχικά εφαρμόζονται τα μοντέλα UUU (PGMM) και UUC (MMtFA) για 100 τυχαία γονίδια. Στη συνέχεια επιλέγονται μέσω μιας τεχνικής παρόμοιας της EMMIX-GENE (χρησιμοποιώντας κανονική κατανομή αντί t κατανομής) 646 \"κατάλληλα\" γονίδια και η ομαδοποίηση προχωρά χρησιμοποιώντας όλα τα μοντέλα της PGMM οικογένειας. Εν κατακλείδει, το model-based clustering αποτελεί ένα πολύ ισχυρό εργαλείο στην ομαδοποίηση δεδομένων και ειδικά στην περίπτωση high-dimensional δεδομένων. Ωστόσο, υπάρχουν μερικά προβλήματα που πρέπει να ξεπεραστούν με πιο βασικό την εξεύρεση ενός αποδοτικού κριτηρίου για την επιλογή του μοντέλου με την καλύτερη ομαδοποίηση.","This thesis concerns the methodology of model-based clustering as an alternative to the classical distance-based clustering techniques. Also, this thesis emphasize to the model-based clustering on high-dimensional data as well as in the use of multivariate t distribution instead of multivariate normal which is broadly in use. Moreover, there are plenty of examples and applications for the best understanding and explanation of the methods. In more detail, before the case of high-dimensional data and t distribution there is an introduction in the philosophy of model-based clustering. There is some theory about mixtures of multivariate normal distributions and how those mixtures are used in the frame of model-based clustering. An extensive reference in the use of the EM algorithm for the parameters estimation exists as well. Furthermore, the models of the GPCM family are described in detail and there is also a discussion around controversial issues of model-based clustering such as model selection techniques, proper number of groups, initial values etc. Then, the case of clustering of high-dimensional data is presented. Problems in the use of GPCM family for the case of high-dimensioanl data are discussed also and the use of factor-analyzers is proposed as an alternative. Also, there is a full description of the implementation of the AECM algorithm which is used for parameter estimation in that case. Furthermore, we present two families models (PGMM και EPGMM) which are appropriate for the clustering of high-dimensional data and are based on mixtures of multivariate normal distributions (more specifically PGMM is nested in EPGMM). Applications of those families are provided and at the same time their advantages and disadantages are discussed as well. Then, the case of multivariate t distribution and the benefits of its use is presented for the clustering of both high-dimensional data and not. Also, the AECM and EM algorithms respectively are fully described for this case. Moreover, the MMtFA family models is also presented for the case of t factor analyzers accordingly to the EPGMM family for the case of normal factor analyzers. At the end, there is an application of the PGMM and MMtFA family models on high-dimensional data from the gene expression study of van 't Veer et al. (2002). 110 Data concern the expression of 24.182 genes (variables) from 78 women (observations) suffered from breast cancer. Initially the UUU (PGMM) and UUC (MMtFA) models are implemented for 100 random genes. Then, we move to model-based clustering using all models of PGMM family based on 646 genes, which were \"appropriately\" selected through a technique similar to EMMIX-GENE (by using the normal distribution instead of t) In summary, model-based clustering appears to be a powerful tool in the clustering problem and especially in the case of high-dimensional data. However, there are some problems to overcome and the most basic among them appears to be the development of an efficient criterion for model selection."],"dc:identifier":["uoadl:1315021","https://pergamos.lib.uoa.gr/uoa/dl/object/1315021"],"dc:language":["Ελληνικά","Greek"],"dc:title":["Model-based clustering on high dimensional data"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:23:56Z"}