摘要：在用混合模型聚类时，聚类数据中存在局外点是非常困难的问题。为了提高混合拟合的鲁棒性，本文用混合t模型替代混合高斯模型，来拟合含有背景噪音的多变量多高斯分布数据；提出了两个求解混合t模型的修改版期望最大化（EM）算法，并将它们与模型选择准则集成在一起，应用一个组合规则成分灭绝策略选择聚类成分数，得到两个对应的鲁棒聚类算法。对含有背景噪音的多个高斯成分进行不同聚类算法的大量实验表明，本文的鲁棒聚类算法能自动选择最佳的聚类成分数，相对于混合高斯模型的聚类方法，鲁棒性增强很多；相对于传统求解混合t模型（EM／ECM）的聚类方法，能有效避免其严重依赖初始值和易收敛至参数空间边界的缺点，具有较强的鲁棒性和较快的收敛速度。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社