亚历山大·君士坦丁;马修·福维尔;圣埃芬·吉拉德 用于不规则采样卫星图像时间序列分类的多元高斯过程的混合。 （英语） Zbl 1496.62009年 统计计算。 32，第5号，第79号论文，20页（2022年）. 综述：本文研究了不规则采样卫星图像时间序列（SITS）的分类问题。提出了一种多元高斯过程混合模型，以解决不规则采样、时间序列的多元性以及对大数据集的可扩展性问题。在高斯过程的协方差算子上使用Kronecker结构处理谱和时间相关性。多元高斯过程混合模型既可用于时间序列的分类，也可用于缺失值的插补。在模拟和实际SITS数据上的实验结果表明，考虑光谱相关性对于确保分类精度和重建误差方面的良好性能非常重要。 MSC公司： 62-08 统计问题的计算方法 62小时30分 分类和区分；聚类分析（统计方面） 60克15 高斯过程 62米10 统计学中的时间序列、自相关、回归等（GARCH） 关键词：多元高斯过程;分类;缺失数据的多元插补;不定期抽样;卫星图像时间序列;遥感 软件：ElemStatLearn（电子状态学习）;Scikit公司;MBC手册;fda（右）;HD等级;L-BFGS公司;L-BFGS-B型;LBFGS-B型;GPvecchia公司 PDF格式BibTeX公司 XML格式引用 \textit{A.Constantin}等人，《统计计算》。32，第5号，第79号论文，20页（2022；Zbl 1496.62009） 全文： 内政部 哈尔 参考文献： [1] 艾伦，GI；Tibshirani，R.，可转换正则化协方差模型及其在缺失数据插补中的应用，Ann.Appl。Stat.，4，2，764-790（2010年）·Zbl 1194.62079号 ·doi:10.1214/09-AOAS314 [2] 马萨诸塞州阿尔瓦雷斯；Rosasco，L。；劳伦斯，ND，向量值函数的内核：综述，发现。趋势。机器。学习。，4, 3, 195-266 (2012) ·Zbl 1301.68212号 ·数字对象标识代码：10.1561/22000036 [3] 安德鲁斯，JL；McNicholas，PD，基于模型的聚类、分类和多元t分布混合判别分析，统计计算。，22, 5, 1021-1029 (2012) ·Zbl 1252.62062号 ·doi:10.1007/s11222-011-9272-x [4] 巴格纳尔，A。；Lines，J.公司。；博斯特罗姆，A。；大型，J。；Keogh，E.，《伟大的时间序列分类烘烤：最近算法进展的回顾和实验评估》，Data Min.Knowl。光盘。，31, 3, 606-660 (2017) ·doi:10.1007/s10618-016-0483-9 [5] Bergé，L.等人。；Bouveyron，C。；Girard，S.，HDclassif:高维数据基于模型聚类和判别分析的R包，J.Stat.Softw。，46, 6, 1-29 (2012) ·doi:10.18637/jss.v046.i06 [6] 贝托拉奇，M。；克里普斯，E。；O.Rosen。；刘，JW；Cripps，S.，《1876-2015年澳大利亚大陆日降雨量的气候推断》，Ann.Appl。统计，13，2，683-712（2019）·Zbl 1423.62157号 ·doi:10.1214/18-AOAS1218 [7] 比尔纳茨基，C。；Jacques，J.，基于模型的基于随机二进制搜索算法的多元有序数据聚类，统计计算。，26, 5, 929-943 (2016) ·Zbl 1505.62068号 ·doi:10.1007/s11222-015-9585-2 [8] 比洛多，M。；Brenner，D.，多元统计理论（2008），纽约：Springer，New-York·兹伯利0930.62054 [9] 博尼拉，EV；Chai，K。；Williams，C.，多任务高斯过程预测，高级神经网络。信息处理。系统。，20, 153-160 (2007) [10] 布吉拉，北卡罗来纳州。；邹，D。；Vaillancourt，J。；佩纳，P。；Rosenfeld，A.，《基于Dirichlet分布的新型混合物：在模式识别中数据和图像分类、机器学习和数据挖掘的应用》。计算机科学讲稿，172-181（2003），柏林：施普林格，柏林·Zbl 1029.68562号 ·doi:10.1007/3-540-45065-3_15 [11] Bouveyron，C。；Girard，S。；Schmid，C.，高维判别分析，Commun。统计理论方法，36，14，2607-2623（2007）·Zbl 1128.62072号 ·doi:10.1080/03610920701271095 [12] Bouveyron，C。；福维尔，M。；Girard，S.，用简约高斯过程模型进行核判别分析和聚类，统计计算。，25, 6, 1143-1162 (2015) ·Zbl 1331.62302号 ·数字对象标识代码：10.1007/s11222-014-9505-x [13] Bouveyron，C。；Celeux，G。；墨菲，TB；Raftery，AE，数据科学的基于模型的聚类和分类：在R中的应用（2019），剑桥：剑桥大学出版社，剑桥·Zbl 1436.62006年 ·doi:10.1017/9781108644181 [14] Breiman，L.，《随机森林》，马赫。学习。，45, 1, 5-32 (2001) ·兹比尔1007.68152 ·doi:10.1023/A:1010933404324 [15] Buitink，L.、Louppe，G.、Blondel，M.、Pedregosa，F.、Mueller，A.、Grisel，O.、Niculae，V.、Prettenhofer，P.、Gramfort，A.、Groubler，J.、Layton，R.、VanderPlas，J.，Joly，A.、Holt，B.、Varoqueux，G.：机器学习软件的API设计：来自scikit-learn项目的经验。摘自：ECML PKDD研讨会：数据挖掘和机器学习语言，第108-122页（2013） [16] Celeux，G。；Govaert，G.，离散数据和潜在类模型的聚类标准，J.Classif。，8, 2, 157-176 (1991) ·Zbl 0775.62150号 ·doi:10.1007/BF02616237 [17] Chamroukhi，F.，Skew t mixed of experts，Neurocomputing，266390-408（2017年）·doi:10.1016/j.neucom.2017.05.044 [18] 陈，Z。；王，B。；Gorban，AN，多输出预测的多元高斯和学生t过程回归，神经计算。申请。，32, 8, 3005-3028 (2020) ·doi:10.1007/s00521-019-04687-8 [19] Chouakria，AD；Nagabhushan，PN，用于测量时间序列接近度的自适应相异性指数，高级数据分析。分类。，1, 1, 5-21 (2007) ·Zbl 1131.62078号 ·doi:10.1007/s11634-006-0004-6 [20] 康斯坦丁，A。；福维尔，M。；Girard，S.，《不规则采样卫星图像时间序列的联合监督分类和重建》，IEEE Trans。地质科学。遥感，60，1-13（2022）·doi:10.1109/TGRS.2021.3076667 [21] Cressie，NAC，《空间数据统计》（1993），纽约：威利，纽约·Zbl 1347.62005年 ·doi:10.1002/97811191151 [22] Dawid，AP，《一些矩阵变量分布理论：符号考虑和贝叶斯应用》，《生物统计学》，68，1，265-274（1981）·Zbl 0464.62039号 ·doi:10.1093/生物技术/68.1265 [23] Drusch，M。；美国德尔·贝洛。；Carlier，S。；科林，O。；费尔南德斯，V。；Gascon，F。；霍尔什，B。；Isola，C。；拉贝里尼蒂，P。；Martimort，P。；Meygret，A。；斯波托，F。；Sy，O。；Marchese，F。；Bargellini，P.，Sentinel-2：欧空局GMES操作服务光学高分辨率任务，遥感环境。，120, 25-36 (2012) ·doi:10.1016/j.rse.2011.11.026 [24] Dutilleul，P.，矩阵正态分布的MLE算法，J.Stat.Compute。模拟。，64, 2, 105-123 (1999) ·Zbl 0960.62056号 ·网址：10.1080/00949659908811970 [25] 福维尔，M。；Lopes，M。；杜博，T。；Rivers-Moore，J。；弗里森，P-L；毛重，N。；Ouin，A.，使用Sentinel-1和-2卫星图像时间序列预测草原植物多样性，遥感环境。，237 (2020) ·doi:10.1016/j.rse.2019.111536 [26] 冯，S。；赵，J。；刘，T。；张，H。；张，Z。；Guo，X.，《使用机器学习算法和sentinel-2时间序列数据进行作物类型识别和制图》，IEEE J.Select。顶部。申请。地球观测卫星遥感，12，9，3295-3306（2019）·doi:10.1109/JSTARS.2019.2922469 [27] 费拉蒂，F。；Vieu，P.，《非参数函数数据分析：理论与实践》（2006），纽约：统计学中的Springer系列。纽约州施普林格·Zbl 1119.62046号 [28] 弗拉克斯曼，S。；Chirico先生。；佩雷拉，P。；Loefler，C.，《使用核心方法对稀疏时空事件进行可扩展的高分辨率预测：NIJ“实时犯罪预测挑战”的成功解决方案》，Ann.Appl。统计，13，4，2564-2585（2019）·Zbl 1435.62431号 ·doi:10.1214/19-AOAS1284 [29] Friedman，JH，正则化判别分析，美国统计协会，84，405，165-175（1989）·doi:10.1080/016214591989.10478752 [30] García-Laencina，PJ；Sancho-Gómez，J-L；Figueiras-Vidal，AR，缺失数据的模式分类：综述，神经计算。申请。，19, 2, 263-282 (2010) ·doi:10.1007/s00521-009-0295-6 [31] 格兰仕，H。；Carvalho，L.，矩阵正态分布的期望最大化算法及其在遥感中的应用，J.Multivar。分析。，167, 31-48 (2018) ·Zbl 1395.62123号 ·doi:10.1016/j.jmva.2018.03.010 [32] Goovaerts，P.：自然资源评估的地质统计学。牛津大学出版社（1997） [33] Goulard，M.：共同区域化模型中的推断。收录于：《地质统计学》，第4卷，第397-408页。施普林格，多德雷赫特（1989） [34] 阿拉斯加州古普塔；Nagar，DK，矩阵变分分布（1999），纽约：Chapman和Hall/CRC，纽约·Zbl 0935.62064号 [35] 哈特曼，M。；Vanhatalo，J.，拉普拉斯近似和异方差Student-t模型高斯过程回归的自然梯度，统计计算。，29, 4, 753-773 (2019) ·Zbl 1430.62046号 ·doi:10.1007/s11222-018-9836-0 [36] 哈斯蒂，T。；Tibshirani，R。；Friedman，J.，《统计学习的要素：数据挖掘、推断和预测》（2009），纽约：斯普林格出版社，纽约·兹比尔1273.62005 ·doi:10.1007/978-0-387-84858-7 [37] Hensman，J.、Matthews，A.、Ghahramani，Z.：可缩放变分高斯过程分类。收录：Lebanon，G.，Vishwanathan，S.V.N.（编辑）《人工智能与统计》。PMLR，第38卷，第351-360页。加利福尼亚州圣地亚哥（2015） [38] 霍夫曼，T。；Schölkopf，B。；Smola，AJ，《机器学习中的内核方法》，《Ann.Stat.》，36，3，1171-1220（2008）·Zbl 1151.30007号 ·doi:10.1214/00905360000000677 [39] Holloway-Brown，J。；Helmstedt，KJ；Mengersen，KL，使用随机空间随机森林插值缺失的土地覆盖数据以改进变化检测，遥感生态。保护。，7, 4, 649-665 (2021) ·doi:10.1002/rse2.221 [40] Inglada，J.，Vincent，A.，Arias，M.，Tardy，B.，Morin，D.，Rodes，I.：使用卫星图像时间序列在国家范围内制作可操作的高分辨率土地覆盖图。遥感9（1）（2017） [41] Katzfuss，M。；吉尼斯，J.，高斯过程Vecchia近似的一般框架，《统计科学》。，36, 1, 124-141 (2021) ·Zbl 07368223号 ·doi:10.1214/19-STS755 [42] 克里格，新墨西哥州；约翰逊，FD；Morris，C.，《关于图核的调查》，应用。净值。科学。，5, 1, 1-42 (2020) ·doi:10.1007/s41109-019-0195-3 [43] Landgrebe，DA，《多光谱遥感中的信号理论方法》（2005），新泽西州纽瓦克：威利，纽瓦克，新泽西 [44] 李，C。；沃尔夫，H。；施密德，B。；He，J-S；Schaepman，ME，《利用遥感评估青藏高原高山草原的植物特征》，IEEE J.Select。顶部。申请。地球天体遥感，11，7，2263-2275（2018）·doi:10.1109/JSTARS.2018.2824901 [45] 林，W-C；Tsai，C-F，《缺失值插补：文献回顾与分析》（2006-2017），Artif。智力。版次：53、2、1487-1509（2020）·doi:10.1007/s10462-019-09709-4 [46] 刘，X。；戈帕尔，V。；Kalagnanam，J.，《东南亚热带地区天气雷达图像数据的时空建模框架》，Ann.Appl。统计，12，1，378-407（2018）·Zbl 1393.62125号 [47] 刘，H。；Ong，Y-S；沈，X。；Cai，J.，《当高斯过程遇到大数据：可伸缩GP的回顾》，IEEE Trans。神经网络。学习。系统。，31, 11, 4405-4423 (2020) ·doi:10.1109/TNNLS.2019.2957109 [48] Lodhi，H。；桑德斯，C。；肖-泰勒，J。；北卡罗来纳州克里斯蒂亚尼尼。；Watkins，C.，《使用字符串核进行文本分类》，J.Mach。学习。第2419-444号决议（2002年）·Zbl 1013.68176号 [49] Lopes，M.、Fauvel，M.，Ouin，A.、Girard，S.：密集高空间分辨率卫星图像时间序列的光谱-时间异质性测量：在草地物种多样性估计中的应用。遥感9（10）（2017） [50] Lu，N。；Zimmerman，DL，可分离协方差矩阵的似然比检验，Stat.Probabil.Lett。，73, 4, 449-457 (2005) ·Zbl 1071.62052号 ·doi:10.1016/j.spl.2005.04.020 [51] Magnus，JR，《关于矩阵导数的概念》，J.Multivar。分析。，101, 9, 2200-2206 (2010) ·兹比尔1196.15025 ·doi:10.1016/j.jmva.2010.05.005 [52] Mahanta，M.S.，Aghaei，A.S.，Plataniotis，K.N.：基于可分离散布矩阵的正则LDA，用于空间谱EEG模式分类。摘自：2013年IEEE声学、语音和信号处理国际会议，第1237-1241页（2013） [53] 曼彻尔，AM；Dutilleul，P.，张量正态分布的最大似然估计：算法，最小样本量，经验偏差和离散度，J.Compute。申请。数学。，239, 37-49 (2013) ·Zbl 1255.65029号 ·doi:10.1016/j.cam.2012.09.017 [54] Manolakis，DG；洛克伍德，RB；Cooley，TW，《高光谱成像遥感：物理、传感器和算法》（2016），剑桥：剑桥大学出版社，剑桥·doi:10.1017/CBO9781316017876 [55] Mardia，K.V.，Goodall，C.R.：多元环境监测数据的时空分析。见：《多元环境统计》第6卷，第347-385页。Elsevier，纽约州北荷兰人（1993年）·Zbl 0825.62996号 [56] 莫伊尼·拉德，A。；Ashourloo，D。；Salehi Shahrabi，H。；Nematolahi，H.，使用sentinel-2时间序列数据开发基于物候的水稻自动检测算法，IEEE J.Select。顶部。申请。地球观测卫星遥感，12，5，1471-1481（2019）·doi:10.1109/JSTARS.2019.2906684 [57] 莫里，PM；Browne，RP；McNicholas，PD，SDB偏态因子分析仪的混合物，经济学。Stat.，3C，160-168（2017） [58] Nickisch，H。；Rasmussen，CE，二元高斯过程分类近似，J.Mach。学习。第9、67、2035-2078号决议（2008年）·Zbl 1225.62087号 [59] 佩蒂特，AN；IS堰；Hart，AG，不规则间隔多元数据的条件自回归高斯过程，用于建模大型二进制数据集，统计计算。，12, 4, 353-367 (2002) ·doi:10.1023/A:1020792130229 [60] 波维内利，RJ；约翰逊，MT；林格伦，AC；Jinjin，Y.，使用重构相空间的高斯混合模型进行时间序列分类，IEEE Trans。知识。数据工程，16，6，779-783（2004）·doi:10.1109/TKDE.2004.17 [61] Ramsay，J。；Silverman，BW，《函数数据分析》（2005），纽约：统计中的Springer系列。纽约州施普林格·Zbl 1079.62006号 ·doi:10.1007/b98888 [62] 拉斯穆森，CE；Williams，CKI，《机器学习的高斯过程》（2006），剑桥：麻省理工学院出版社，剑桥·Zbl 1177.68165号 [63] 任奇。；Banerjee，S.，《大空间错位数据的层次因子模型：低阶预测过程方法》，《生物统计学》，69，1，19-30（2013）·Zbl 1274.62860号 ·文件编号：10.1111/j.1541-0420.2012.01832.x [64] Schafer，JL，《不完全多元数据分析》（1997），纽约：查普曼和霍尔/CRC，纽约·Zbl 0997.62510号 ·doi:10.1201/9781439821862 [65] 施穆茨，A。；雅克·J。；Bouveyron，C。；Chèze，L。；Martin，P.，在特定群函数子空间中聚类多元函数数据，计算。统计，35，3，1101-1131（2020）·Zbl 1505.62360号 ·doi:10.1007/s00180-020-00958-4 [66] Schott，JR，《统计矩阵分析》（2016年），新泽西州：概率统计中的Wiley系列。新泽西州威利 [67] Shah，A.、Wilson，A.、Ghahramani，Z.：作为高斯过程替代方案的学生t过程。摘自：《第十七届国际人工智能与统计会议记录》，第33卷，第877-885页。冰岛雷克雅未克PMLR（2014） [68] Shen，H.，Li，X.，Cheng，Q.，Zeng，C.，Yang，G.，Li.，H，Zhang，L.：遥感数据缺失信息重建：技术综述。IEEE地质科学。远程传感器Magaz。3(3), 61-85 (2015) [69] 石，JQ；Murray-Smith，R。；Titterington，DM，回归的层次高斯过程混合，统计计算。，15, 1, 31-41 (2005) ·doi:10.1007/s11222-005-4787-7 [70] Spinnato，J.，Roubaud，M.，Burle，B.，Torrésani，B.：使用基于矩阵的惩罚判别分析寻找EEG空间-时间尺度的局部特征。2014年IEEE声学、语音和信号处理国际会议，第6004-6008页（2014） [71] Srivastava，理学硕士；冯·罗森，T。；von Rosen，D.，《克罗内克产品协方差结构模型：估计和测试》，数学。方法统计。，17, 4, 357-370 (2008) ·Zbl 1231.62101号 ·doi:10.3103/S1066530708040066 [72] Stroup，WW，广义线性混合模型：现代概念。方法和应用（2012），博卡拉顿：CRC出版社，博卡拉通·Zbl 1281.62013年 [73] Tharwat，A.，分类评估方法，应用。计算。通知。，17, 1, 168-192 (2021) ·doi:10.1016/j.aci.2018.08.003 [74] Theodossiou，P.，《财务数据和偏态广义T分布》，管理。科学。，44, 121, 1650-1661 (1998) ·Zbl 1001.91051号 ·doi:10.1287个/mnsc.44.12.1650 [75] Useya，J。；Chen，S.，用于作物集合分类的landsat 8 OLI、landsat 7 ETM+和sentinel-2 MSI像素级和决策级数据融合的比较性能评估，IEEE J.Select。顶部。申请。地球天体遥感，11，11，4441-4451（2018）·doi:10.1109/JSTARS.2018.2870650 [76] Vecchia，AV，连续空间过程的估计和模型识别，J.Roy。Stat.Soc.B，50，2，297-312（1988） [77] 王，B。；贾凯。；Liang，S。；谢，X。；魏，X。；X.赵。；姚，Y。；Zhang，X.，估算部分植被覆盖的Sentinel-2 MSI光谱带反射率评估，遥感，10，12，1927（2018）·doi:10.3390/rs10121927 [78] Zhang，L.，Banerjee，S.：空间因素建模：不一致数据的贝叶斯矩阵正态方法。生物统计学，第1-14页（2021年） [79] Zhang，T.：使用随机梯度下降算法解决大规模线性预测问题。收录于：ICML 2004：第二十届第一届机器学习国际会议论文集。Omnipress，第919-926页（2004年） [80] 朱，C。；伯德，RH；卢，P。；Nocedal，J.，《算法778:L-BFGS-B:大规模有界约束优化的Fortran子程序》，ACM Trans。数学。软质。，23, 4, 550-560 (1997) ·Zbl 0912.65057号 ·doi:10.1145/279232.279236 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。