×
伊丽莎白·安·马哈拉吉;保罗特雷斯;保拉·布里托

区间时间序列的聚类。 （英语） Zbl 1430.62200号

统计计算。 29，第5期，1011-1034（2019）.
摘要：当某些感兴趣的变量的实际间隔被注册为一个沿时间的有序序列时，就会出现间隔时间序列。我们解决了区间时间序列（ITS）的聚类问题，为此提出了不同的方法。首先，聚类是基于点对点比较来执行的。时域和小波特征也可作为其他方法中的聚类变量。此外，收集ITS上下限的自相关和互相关函数的自相关矩阵函数可以使用足够的距离（例如Frobenius距离）进行比较，并用于对ITS进行聚类。提出了一种改进的确定ITS自相关函数的方法，这也是聚类的基础。探讨了不同的替代方法，并对不同设置下的ITS仿真结果进行了性能比较。在澳大利亚不同地点观测到的海平面日变化范围的应用说明了所提出的方法。

引用于5文件

MSC公司：

62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62H30型 分类和区分；聚类分析（统计方面）
62页第12页 统计在环境和相关主题中的应用

关键词：

区间自相关;间隔数据;区间时间序列;时间序列聚类

软件：

环境统计;公里;SODAS公司
PDF格式BibTeX公司 XML格式引用
\textit{E.A.Maharaj}等人，《统计计算》。29，第5号，1011--1034（2019；Zbl 1430.62200）
全文： 内政部

参考文献：

[1] Antunes，A.M.C.，Subba Rao，T.：关于时空模型选择的假设检验。J.时间序列。分析。27, 767-791 (2006) ·Zbl 1115.62081号
[2] 阿罗约（Arroyo），J.：《预测的时间序列》（Métodos de Prediccion on para Series Temporales de Intervalos e Historamas）。马德里科米拉天主教大学博士论文（2008年）
[3] Arroyo，J.，Maté，C.：使用k近邻方法预测直方图时间序列。国际期刊预测。25(1), 192-207 (2009)
[4] Bertrand，P.，Goupil，F.：符号数据的描述性统计。摘自：Bock，H.-H.，Diday，E.（编辑）《符号数据分析》，第106-124页。从复杂数据中提取统计信息的探索方法，Springer，Heidelberg（2000）·Zbl 0978.62005号
[5] Billard，L.：复杂定量数据的样本协方差函数。摘自：世界机构间常委会会议记录，日本横滨，第157-163页（2008年）
[6] Billard，L.，Diday，E.：从数据统计到知识统计：符号数据分析。《美国统计协会期刊》98（462），470-487（2003）
[7] Billard，L.，Diday，E.：符号数据分析：概念统计和数据挖掘。奇切斯特·威利（2006）·Zbl 1117.62002号
[8] Brito，P.：符号数据分析：数据挖掘与统计相互作用的另一个视角。电线数据最小知识。发现。4(4), 281-295 (2014)
[9] Caldwell，P.C.，Merrifield，M.A.，Thompson，P.R.：通过全球海洋潮汐计测量的海平面——海平面持有的联合档案（NCEI登录0019568），5.5版。收录于：NOAA国家环境信息中心，数据集（2015年）。https://doi.org/10.7289/V5V40S7W
[10] Caiado，J。；马哈拉杰，EA；D’Urso，P。；Hennig，C.（编辑）；Meila，M.（编辑）；Murtagh，F.（编辑）；Rocci，R.（编辑），《时间序列聚类》（2015），纽约
[11] Chavent，M.，Lechevallier，Y.：区间数据的动态聚类：基于Hausdorff距离的充分性标准的优化。收录于：分类、聚类和数据分析，第53-60页。柏林施普林格出版社（2002年）·Zbl 1032.62058号
[12] Cliff，A.D.，Ord，J.K.：人文地理学中的模型构建和空间模式分析。J.R.Stat.Soc.B 37、297-328（1975）·Zbl 0353.62088号
[13] Crespo，F.、Peters，G.、Weber，R.：动态环境的粗糙聚类方法。作者：Peters，G.，Lingras，P.，Ślȩzak，D.，Yao，Y.（编辑）《粗糙集：管理和工程中的选定方法和应用》，《高级信息和知识处理》。施普林格，伦敦（2012）
[14] Cressie，N.A.C.：空间数据统计。威利，纽约（1993）·Zbl 0799.62002号
[15] Cressie，N.A.C.，Wikle，C.K.：时空数据统计。霍博肯·威利（2011）·Zbl 1273.62017年
[16] De Carvalho，F.A.T.，Lechevallier，Y.：基于单个自适应距离的符号区间数据的分区聚类算法。模式识别。42(7), 1223-1236 (2009) ·Zbl 1183.68527号
[17] De Carvalho，F.A.T.，Brito，P.，Bock，H.-H.：基于L2距离的区间数据动态聚类。计算。统计数字21（2），231-250（2006a）·Zbl 1114.62070号
[18] De Carvalho，F.A.T.，De Souza，R.M.C.R.，Chavent，M.，Lechevallier，Y.：符号区间数据的自适应Hausdorff距离和动态聚类。模式识别。莱特。27（3），167-179（2006b）
[19] De Carvalho，F.A.T.，Lechevallier，Y.，Verde R.：符号数据分析中的聚类方法。摘自：Diday，E.，Noirhomme-Frature，M.（编辑）《符号数据分析和SODAS软件》，奇切斯特，第182-203页（2008）
[20] De Souza，R.M.C.R.，De Carvalho，F.A.T.：基于城市-街区距离的区间数据聚类。模式识别。莱特。25(3), 353-365 (2004)
[21] Dias，S.，Brito，P.：另类：区间数据的新线性模型。欧洲药典。第258（3）号决议，1118-1130（2017）·Zbl 1395.62199号
[22] Diday，E.，Simon，J.C.：聚类分析。数字模式识别，第47-94页。柏林施普林格（1976）·Zbl 0331.62043号
[23] Diggle，P.J.、Ribeiro Jr.、P.J.：基于模型的地质统计学。施普林格，纽约（2007）·兹比尔1132.86002
[24] Douzal Chouakria，A.，Billard，L.，Diday，E.：区间值观测的主成分分析。统计分析。数据最小值4（2），229-246（2011）·Zbl 07260280号
[25] Duarte Silva，A.P.，Brito，P.：区间数据的线性判别分析。计算。Stat.21（2），289-308（2006）·Zbl 1113.62080号
[26] Duarte Silva，A.P.，Brito，P.：区间数据的判别分析：参数和基于距离的方法评估。J.分类。32(3), 516-541 (2015) ·Zbl 1331.62305号
[27] D’Urso，P.，Maharaj，E.A.：基于自相关的时间序列模糊聚类。模糊集系统。160, 3565-3589 (2009)
[28] D’Urso，P.，Maharaj，E.A.：基于小波的多元时间序列聚类。模糊集系统。193, 33-61 (2012) ·Zbl 1237.62079号
[29] Finkenstadt，B.，Held，L.，Isham，V.（编辑）：时空系统的统计方法。查普曼和霍尔，伦敦（2007年）·1099.62500兹罗提
[30] García-Ascanio，C.，Maté，C.：使用区间时间序列进行电力需求预测：var和imlp之间的比较。能源政策38（2），715-725（2010）
[31] Genolini，C.，Falissard，B.：Kml:k-纵向数据的平均值。计算。《美国联邦法律大全》第25卷第317-328页（2010年）·Zbl 1221.62094号
[32] González-Rivera，G.，Arroyo，J.：直方图值数据的时间序列建模：标准普尔500指数日内收益的每日直方图时间序列。国际期刊预测。28(1), 20-33 (2012)
[33] Han，A.，Yongmiao，H.，La，K.K.，Shouyang，W.：区间时间序列分析及其在英镑兑美元汇率中的应用。J.系统。科学。复杂。21(4), 558-573 (2008) ·Zbl 1177.91113号
[34] Han，A.，Hong，Y.，Wang，S.：区间值时间序列数据的自回归条件模型。In:第三届奇异谱分析及其应用国际会议（2012年）
[35] Hennig，C.，Meila，M.，Murtagh，F.，Rocci，R.（编辑）：《聚类分析手册》。查普曼和霍尔/CRC，伦敦（2015）·Zbl 1331.68001号
[36] Hubert，L.，Arabie，P.：比较分区。J.分类。2(1), 193-218 (1985) ·Zbl 0587.62128号
[37] Irpino，A.，Verde，R.（2006）一种用于直方图符号数据分层聚类的新的基于Wasserstein的距离。收录于：Batagelj V，Bock HH，Ferligoj A（编辑）《国际船级社联合会会议记录》（IFCS06），第185-192页。海德堡施普林格
[38] Johnston，J.，Dinardo，J.：计量经济学方法，第2版。McGraw-Hill，纽约（1997）
[39] Le，N.D.，Zidek，J.V.：环境时空过程的统计分析。施普林格，纽约（2006）·Zbl 1102.62126号
[40] Le-Rademacher，J.，Billard，L.：区间值数据的符号协方差主成分分析和可视化。J.计算。Gr.Stat.21（2），413-432（2012）
[41] LimaNeto，E.，De Carvalho，F.A.T.：将线性回归模型拟合到符号区间数据的中心和范围方法。计算。统计数据分析。52(3), 1500-1515 (2008) ·Zbl 1452.62493号
[42] LimaNeto，E.，De Carvalho，F.A.T.：符号区间值变量的约束线性回归模型。计算。统计数据分析。54(2), 333-347 (2010) ·Zbl 1464.62055号
[43] LimaNeto，E.，De Carvalho，F.A.T.：区间值变量的双变量符号回归模型。J.统计计算。模拟。81(11), 1727-1744 (2011) ·Zbl 1431.62328号
[44] Maia，A.L.S.，De Carvalho，F.A.T.，Ludermir，T.B.：区间值时间序列的预测模型。神经计算71（16），3344-3352（2008）
[45] Percival，D.，Walden，A.：时间序列分析的小波分析。剑桥大学出版社，剑桥（2000）·Zbl 0963.62079号
[46] Pfeifer，P.，Deutsch，S.：时空建模的三阶段交互过程。技术计量学22，35-47（1980）·Zbl 0429.62066号
[47] Ramos-Guajardo，A.B.，Grzegorzewski，P.：区间值数据的基于距离的线性判别分析。信息科学。372, 591-607 (2016) ·Zbl 1428.62293号
[48] 罗德里格斯，P.M.，萨利什，N.：用阈值模型建模和预测区间时间序列。高级数据分析。分类。9(1), 41-57 (2015) ·Zbl 1414.62076号
[49] Teles，P.，Brito，P.：区间时间序列数据建模。摘自：第三届国际会计准则委员会计算统计和数据分析世界会议记录，塞浦路斯利马索尔（2005年）·兹比尔1342.37076
[50] Teles，P.，Brito，P.：用时空过程建模区间时间序列。Commun公司。统计理论方法44（17），3599-3627（2015）·Zbl 1342.37076号
[51] Verde，R.，Irpino，A.：直方图数据的动态聚类：使用正确的度量。收录于：Brito，P.、Bertrand，P.，Cucumel，G.、De Carvalho，F.A.T.（编辑）《数据分析和分类的选定贡献》，第123-134页。斯普林格，海德堡（2007）·Zbl 1151.62335号
[52] Verde，R.，Irpino，A.：使用马氏距离比较直方图数据。摘自：Brito，P.（ed）《2008年COMPSTAT会议记录》，第77-89页。斯普林格，海德堡（2008）·Zbl 1147.62054号
[53] Wei，W.W.S.：《时间序列分析——单变量和多变量方法》，第2版。皮尔逊，纽约（2006）·Zbl 1170.62362号
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。