본 논문은 클러스터링 분야의 핵심적인 기법인 혼합 모델을 활용하여 데이터 임베딩과 클러스터링을 동시에 수행하는 알고리즘을 제안한다. 특히 연속형 데이터에 적합한 가우시안 혼합 모델과 EM (Expectation-Maximization) 알고리즘의 문제점인 차원 축소의 어려움과 EM 알고리즘의 수렴 속도 저하를 해결하고자 한다. 이를 위해 주성분 분석(PCA)과 분류 EM (CEM) 알고리즘을 결합하여 데이터 임베딩과 클러스터링을 비순차적으로 수행하는 새로운 접근 방식을 제시하고, 기존 클러스터링 방법과의 연관성을 설명한다.
