×
乔尼·维塔;李冰;克劳斯·诺德豪森;汉努·奥贾

多元功能数据的独立成分分析。 （英语） Zbl 1436.62232号

《多元分析杂志》。 176，文章ID 104568，19 p.（2020）.
摘要：我们将独立分量分析的两种方法，四阶盲辨识和特征矩阵的联合近似对角化，推广到向量值函数数据。多元函数数据在现代应用中自然而频繁地出现，将独立成分分析扩展到这种设置可以让我们从这类数据中提取重要信息，这比函数主成分分析更进一步。为了实现协方差算子的反演，我们假设分量函数之间的依赖关系位于有限维子空间中。在这个子空间中，我们定义了第四个互累积量算子，并用它们构造了两种新颖的Fisher一致性方法来解决向量值函数的独立分量问题。仿真和在手势数据集上的应用表明了所提方法相对于函数主成分分析的有用性和优势。

引用于5文件

理学硕士：

62H25个 因子分析和主成分；对应分析
62兰特 功能数据分析

关键词：

协方差算子;尺寸缩减;功能主成分分析;四阶盲辨识;希尔伯特空间;特征矩阵的联合近似对角化

软件：

fda（右）;玉;BSSasymp公司;R（右）;ggplot2;质量（R）
PDF格式BibTeX公司 XML格式引用
\textit{J.Virta}等人，《多元分析杂志》。176，文章ID 104568，19 p.（2020；Zbl 1436.62232）
全文： 内政部 arXiv公司

参考文献：

[1] 巴赫，F.R。；Jordan，M.I.，《内核独立成分分析》，J.Mach。学习。决议，7月3日，1-48（2002）·Zbl 1088.68689号
[2] Baker，C.R.，《联合度量和互协方差算子》，Trans。阿默尔。数学。Soc.，186，273-289（1973）·Zbl 0304.28008号
[3] 贝伦德罗，J.R。；Justel，A。；Svarc，M.，多元函数数据的主成分，计算。统计师。数据分析。，55, 9, 2619-2634 (2011) ·Zbl 1464.62025号
[4] Bonhome，S。；Robin，J.-M.，一致噪声独立成分分析，计量经济学杂志，149，1，12-25（2009）·Zbl 1429.62215号
[5] Bosq，D.，《函数空间中的线性过程：理论与应用》，第149卷（2012），施普林格科学与商业媒体
[6] 卡尔霍恩，V.D。；阿达利，T。；Hansen，L.K。；Larsen，J。；Pekar，J.J.，功能性MRI数据的ICA：概述，（独立成分分析和盲信号分离国际研讨会（2003年））
[7] J.-F.Cardoso，多维独立分量分析，载于：1998年IEEE声学、语音和信号处理国际会议论文集，1998年第4卷，1941-1944页。
[8] Cardoso，J.-F.，《利用高阶矩进行声源分离》（国际声学、语音和信号处理会议，1989年（1989年）），2109-2112
[9] J.-F.Cardoso，A.Souloumiac，《非高斯信号的盲波束形成》，收录于：IEE Proceedings F-Radar and Signal Processing，第140卷，1993年，第362-370页。
[10] 卡多佐，J.-F。；Souloumiac，A.，《同时对角化的雅可比角》，SIAM J.矩阵分析。申请。，17, 1, 161-164 (1996) ·Zbl 0844.65028号
[11] Chiou，J.-M。；陈永泰。；Yang，Y.-F.，多元函数主成分分析：归一化方法，统计学。Sinica，241571-1596（2014）·Zbl 1480.62115号
[12] 科蒙，P。；Jutten，C.，《盲源分离手册：独立分量分析与应用》（2010），学术出版社
[13] Conway，J.B.，《函数分析课程》，第96卷（2013年），施普林格科学与商业媒体
[14] Dai，W。；Genton，M.G.，《多元功能数据可视化和离群值检测》，J.Compute。图表。统计人员。，27, 4, 923-934 (2018) ·Zbl 07499002号
[15] 沟渠，H.W。；Theis，F.J.，《到无穷远和超越：论希尔伯特空间上的ICA》，（LVA/ICA（2012），施普林格），180-187
[16] Happ，C。；Greven，S.，不同（维）域观测数据的多元函数主成分分析，J.Amer。统计师。协会，113，522，649-659（2018）·Zbl 1398.62154号
[17] 休伯特，M。；Rousseeuw，P.J。；Segaert，P.，多元函数异常值检测，统计方法应用。，24, 2, 177-202 (2015) ·Zbl 1441.62124号
[18] Hyvärinen，A。；Oja，E.，独立成分分析的快速定点算法，神经计算。，9, 7, 1483-1492 (1997)
[19] Ilmonen，P。；诺德豪森，K。；Oja，H。；Ollila，E.，《ICA的新性能指标：特性、计算和渐近分析》，（潜在变量分析和信号分离国际会议（2010年），施普林格），229-236
[20] Ilmonen，P。；Oja，H。；Serfling，R.，关于不变坐标系（ICS）泛函，国际。统计师。修订版，80，193-110（2012）·Zbl 1422.62175号
[21] 雅克·J。；Preda，C.，基于模型的多元函数数据聚类，计算。统计师。数据分析。，71, 92-106 (2014) ·Zbl 1471.62096号
[22] 卡亚诺，M。；Dozono，K。；Konishi，S.，《基于正交归一化高斯基展开的函数聚类分析及其应用》，J.分类，27，2，211-230（2010）·Zbl 1337.62134号
[23] Kela，J。；Korpipää，P。；Mäntyjärvi，J。；卡利奥，S。；萨维诺，G。；Jozzo，L。；Di Marca，S.，设计环境中基于加速度计的手势控制，Pers.Ubiquitous Comput。，10, 5, 285-299 (2006)
[24] 科尔多夫斯基，Z。；蒂查夫斯基，P。；Oja，E.，独立元件分析算法FastICA的有效变体，达到Cramer-Rao下限，IEEE Trans。神经网络。，17, 5, 1265-1277 (2006) ·Zbl 1373.94712号
[25] 李，B。；Chun，H。；Zhao，H.，关于统计网络的加性半月形模型及其在路径分析中的应用，J.Amer。统计师。协会，1091188-1204（2014）·Zbl 1368.62180号
[26] 李，B。；Solea，E.，功能数据的非参数图形模型，基于fMRI的脑网络应用，J.Amer。统计师。协会，1131637-1655（2018）·Zbl 1409.62074号
[27] B.Li，J.Song，基于弱条件矩的函数数据降维，2017年。已提交·Zbl 1486.62116号
[28] 李，B。；Song，J.，函数数据的非线性充分降维，Ann.Statist。，45, 1059-1095 (2017) ·Zbl 1371.62003年
[29] 李，B。；Van Bever，G。；Oja，H。；Sabolová，R。；Critchley，F.，《功能独立成分分析：四阶盲辨识的扩展》（2019），未出版手稿
[30] 刘杰。；钟，L。；Wickramasuriya，J。；Vasudevan，V.，UWave:基于加速度计的个性化手势识别及其应用，普及移动。计算。，5, 6, 657-675 (2009)
[31] 马蒂莱宁，M。；诺德豪森，K。；Oja，H.，时间序列的新独立成分分析工具，Statist。普罗巴伯。莱特。，105, 80-87 (2015) ·Zbl 1396.62214号
[32] Miettinen，J.等人。；诺德豪森，K。；Oja，H。；Taskinen，S.，基于通缩的非线性自适应选择的FastICA，IEEE Trans。信号处理。，62, 21, 5716-5724 (2014) ·Zbl 1394.94394号
[33] Miettinen，J。；诺德豪森，K。；Oja，H。；Taskinen，S。；Virta，J.，平方对称FastICA估计器，信号处理。，131, 402-411 (2017)
[34] Miettinen，J。；诺德豪森，K。；Taskinen，S.，基于联合对角化的盲源分离。，76, 2, 1-31 (2017)
[35] Miettinen，J.等人。；Taskinen，S。；诺德豪森，K。；Oja，H.，《四阶矩和独立分量分析》，统计学。科学。，30, 3, 372-390 (2015) ·Zbl 1332.62196号
[36] Moreau，E.，源分离联合对角化准则的推广，IEEE Trans。信号处理。，49, 3, 530-541 (2001)
[37] 诺德豪森，K。；Oja，H.，使用三个散射矩阵的独立子空间分析，Aust。《美国统计杂志》，40，1&2，93-101（2011）
[38] R： A Language and Environment for Statistical Computing（2016），R Foundation for Statistic Computing:R Foundation for Statistical Competing奥地利维也纳
[39] Ramsay，J。；Silverman，B.，功能数据分析（2005），Springer·Zbl 1079.62006号
[40] J.O.拉姆齐。；威克姆，H。；格雷夫斯，S。；Hooker，G.，Fda:功能数据分析（2014），包2.4.4版
[41] 风险，B.B。；Matteson，D.S。；Ruppert，D.，《通过最大似然进行线性非高斯分量分析》，J.Amer。统计师。协会，114525332-343（2019）·Zbl 1478.62155号
[42] Rousseeuw，P.J。；Raymaekers，J。；Hubert，M.，《应用于图像数据和视频的方向异常测量》，J.Compute。图表。统计人员。，27, 2, 345-359 (2018) ·兹伯利07498952
[43] Y.Sato，《多元函数数据分析的理论考虑》，载于《第59届ISI世界统计大会论文集》，2013年，第25-30页。
[44] J.Song，B.Li，《关于加性函数主成分分析》，2017年。提交。
[45] 德士吉，S。；Yadohisa，H。；Inada，K.，《多元函数数据的Crisp和模糊K-means聚类算法》，计算。统计，22，1，1-16（2007）·Zbl 1196.62089号
[46] 韦纳布尔斯，W.N。；里普利，B.D.，《现代应用统计学与S》（2002），施普林格出版社：纽约施普林格·Zbl 1006.62003号
[47] 维塔，J。；李，B。；诺德豪森，K。；Oja，H.，张量值数据的独立分量分析，J.多元分析。，162, 172-192 (2017) ·Zbl 1381.62107号
[48] 维塔，J。；李，B。；诺德豪森，K。；Oja，H.，张量值观测的JADE，J.计算。图表。统计人员。，27, 3, 628-637 (2018) ·Zbl 07498938号
[49] Wickham，H.，ggplot2：数据分析的优雅图形（2009），Springer Verlag纽约·Zbl 1170.62004号
[50] Yamamoto，M.，《低维子空间中函数数据的聚类》，高级数据分析。分类。，6, 3, 219-247 (2012) ·Zbl 1254.62077号
[51] 山本，M。；Hwang，H.，通过子空间分离对功能数据进行降维聚类，J.分类，34，2，294-326（2017）·Zbl 1373.62319号
[52] 山本，M。；Terada，Y.，函数阶乘K-means分析，计算。统计师。数据分析。，79, 133-148 (2014) ·Zbl 1506.62200号
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。