本文从贝叶斯非参数的角度重新审视k-means聚类算法，分析了Dirichlet过程混合物的Gibbs抽样，发现其在极限情况下接近硬聚类。研究了高维数据的聚类方法，比较了EM算法与其他方法的优劣，并提出了基于Bregman距离的聚类算法，展示了其在非高斯数据上的优势。

本文探讨了贝叶斯非参数主题建模在视频数据异常检测中的应用，展示了其在动态环境下的有效性。研究表明，综合检测方法优于简单检测，适用于搜索救援和野生动物观察等领域。此外，提出了新特征选择方法和鲁棒异常检测模型，提升了高光谱影像的异常检测性能。