IDEAS主页打印自https://ideas.repec.org/a/oup/biomet/v99y2012i2p299-313.html
  我的参考书目  保存此文章

功能数据的组件分类和聚类

作者

上市的：
  • A.德莱格尔
  • P.霍尔
  • N.巴蒂亚

摘要

功能数据的无限维可以挑战传统的分类和聚类方法。已经引入了各种技术来解决这个问题，特别是在预测的情况下，但它们所涉及的结构模型可能太不准确、太抽象或太难解释，针对从业者。在本文中，我们开发了自适应选择组件的方法，使分类和聚类简化为有限维问题。我们探索并讨论了这些方法的特性。我们的技术包括估算分类器错误率和簇紧密性的方法，以及选择组件数量和位置以优化这些数量的方法。这种方法的一个主要吸引力在于，它允许识别功能域中传递分类和聚类重要信息的部分。它还允许我们确定与这些分析中的一个相关但与另一个无关的区域。版权所有2012，牛津大学出版社。

建议引用

  • A.Delaigle&P.Hall&N.Bathia，2012年。"功能数据的组件分类和聚类,"生物特征《Biometrika信托》，第99卷（2），第299-313页。
    • 手柄：RePEc:oup:biomet:v:99:y:2012:i:2:p:299-313
    作为

    从出版商下载全文

    文件URL: http://hdl.handle.net/10.1093/biomet/ass003
    下载限制：全文仅限于订阅者访问。
    ---><---

    由于此文档的访问受到限制，您可能希望搜索换一个不同的版本。

    引文

    引文由CitEc项目，订阅其RSS源用于此项目。
    作为


    引用人：

    1. 徐腾腾、张日泉和张秀珍，2023年。"多元纵向数据空间函数基线logit模型的估计,"计算统计学，施普林格，第38卷（1），第79-99页，3月。
    2. Hao Ji和Hans-Georg Müller，2017年。"纵向和功能数据的优化设计,"英国皇家统计学会学报B辑英国皇家统计学会，第79卷（3），第859-876页，6月。
    3. Daniel Hlubinka&Irène Gijbels&Marek Omelka&Stanislav Nagy，2015年。"平滑函数的集成数据深度及其在监督分类中的应用,"计算统计学，施普林格，第30卷（4），第1011-1031页，12月。
    4. Olusola Samuel Makinde，2019年。"基于功能深度分布函数的分类规则,"统计论文施普林格，第60卷（3），第629-640页，6月。
    5. Aurore Delaigle&Peter Hall&Tung Pham，2019年。"使用投影将功能数据分组,"英国皇家统计学会学报B辑英国皇家统计学会，第81（2）卷，第271-304页，4月。
    6. Karl Mosler和Pavlo Mozharovskyi，2017年。"功能数据的快速DD分类,"统计论文施普林格，第58（4）卷，第1055-1089页，12月。
    7. JoséR.Berrendero和Bueno-Larraz，Beatriz和Cuevas，Antonio，2019年。"函数线性回归中变量选择的RKHS模型,"多元分析杂志爱思唯尔，第170（C）卷，第25-45页。
    8. Mojirsheibani，Majid&Shaw，Crystal，2018年。"不完全功能协变量的分类,"统计与概率信件爱思唯尔，第139（C）卷，第40-46页。
    9. Bongiorno，Enea G.&Goia，Aldo，2016年。"基于替代密度的希尔伯特数据分类方法,"计算统计与数据分析爱思唯尔，第99卷（C），第204-222页。
    10. Park，So Young&Xiao，Luo&Willbur，Jayson D.&Staicu，Ana-Maria&Jumbe，N.L'ntshotsholeé，2018年。"功能数据的联合设计及其在超声扫描计划中的应用,"计算统计与数据分析爱思唯尔，第122卷（C），第101-114页。
    11. Aneiros、Germanán&Cao、Ricardo&Fraiman、Ricarto&Genest、Christian&Vieu、Philippe，2019年。"功能数据分析和高维统计的最新进展,"多元分析杂志爱思唯尔，第170（C）卷，第3-9页。
    12. Mia Hubert&Peter Rousseeuw&Pieter Segaert，2017年。"使用深度和距离进行多元和功能分类,"数据分析和分类进展，施普林格；德国船级社-Gesellschaft für Klassifikation（GfKl）；日本船级社；意大利统计学会分类和数据分析小组（CLADAG）；国际船级社联合会（IFCS），第11卷（3），第445-466页，9月。
    13. 韩尚，2014。"函数主成分分析综述,"AStA统计分析进展，施普林格；德国统计学会，第98卷（2），第121-142页，4月。
    14. 玛丽亚·鲁伊斯·麦地那（Maria Ruiz-Medina）、罗莎·埃斯佩乔（Rosa Espejo）和埃尔维拉·罗曼诺（Elvira Romano），2014年。"空间函数正态混合效应曲线分类方法,"数据分析和分类进展，施普林格；德国船级社-Gesellschaft für Klassifikation（GfKl）；日本船级社；意大利统计学会分类和数据分析小组（CLADAG）；国际船级社联合会（IFCS），第8卷（3），第257-285页，9月。
    15. Marco Stefanucci、Laura M.Sangalli和Pierpaolo Brutti，2018年。"基于PCA的部分观测功能数据判别，并应用于AneuRisk65数据集,"Neerlandica统计荷兰统计与运营研究学会，第72卷（3），第246-264页，8月。

    有关此项目的更多信息

    统计

    访问和下载统计

    更正

    本网站上的所有材料均由各自的出版商和作者提供。您可以帮助纠正错误和遗漏。请求更正时，请提及此项目的句柄：RePEc:oup:biomet:v:99:y:2012:i:2:p:299-313。请参阅一般信息关于如何更正RePEc中的材料。

    如果您编写了此项目，但尚未在RePEc注册，我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。

    我们没有这个项目的参考书目。您可以使用这个表格.

    如果你知道引用这一条的缺失条目，你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是此项目的注册作者，您可能还需要检查您的RePEc作者服务个人资料，因为可能有一些引文等待确认。

    有关本项目的技术问题，或更正作者、标题、摘要、参考书目或下载信息，请联系：牛津大学出版社（电子邮件地址如下）。供应商的一般联系方式：https://academy.oup.com/biomet网站.

    请注意，更正可能需要几周时间才能筛选出来各种RePEc服务。

    思想是一个经济学研究论文服务。RePEc使用各出版商提供的书目数据。