×
太阳·马科索·卡利特

符号直方图变量的主轴分析。 （英语） Zbl 07260589号

统计分析。数据最小值。 9，第3期，188-200（2016）.
摘要：我们提出了一种对符号直方图变量进行主轴分析的新方法。在符号数据分析框架中，提出了几种直方图主成分分析（Histogram PCA）。一些方法关注直方图的某些特定特征之间的关系，例如平均值或分位数。其他人使用基于平方Wasserstein距离的分布变量关联。在本文中，我们提出了两种新的方法。第一种方法使用了基于Fisher z分数的新的相关度量，这些度量是在直方图变量的相应箱子之间进行的。我们还建议使用Olkin和Pratt提出的估计器。在第一种方法中，直方图变量必须具有相同数量的容器。相比之下，第二种方法通过考虑相应的分位数扩展了先前提出的相关性。当直方图不具有相同数量的仓时，可以使用第二种方法。

理学硕士：

62至XX 统计
68倍 计算机科学

关键词：

主成分分析;符号区间变量;分位数;符号直方图变量

软件：

图形PCA;RSDA公司;SODAS公司;事实矿工
PDF格式BibTeX公司 XML格式引用
\textit{S.Makosso-kallyth}，统计分析。数据最小值9，第3号，188--200（2016；Zbl 07260589）
全文： 内政部

参考文献：

[1] E.Diday、F.Afonso和R.Haddad，符号数据分析范式、判别离散化和财务应用。Revue des Nouvelles Technologies de l’高维和符号数据分析理论和应用的信息进步，RNTI-E25，（2013），1-14。
[2] H.-H.Bock和E.Diday，《符号数据分析，从复杂数据中提取统计信息的探索方法》，柏林，施普林格，2000年·Zbl 1039.62501号
[3] L.Billard和E.Diday，《符号数据分析：概念统计学和数据挖掘》，柏林，计算统计学威利系列，2006年·Zbl 1117.62002号
[4] E.Diday和M.Noirhomme-《符号数据分析和SODAS软件》，英国奇切斯特，威利跨科学出版社，2008年·Zbl 1275.62029号
[5] O.Rodriguez、E.Diday和S.Winberg，主成分分析对直方图数据的推广。2000年，在法国里昂举行的第四届欧洲数据库知识发现原则与实践会议上。
[6] P.Nagabhushan和R.P.Kumar，直方图PCA。ISNN，第2卷，1012-10212007年。
[7] M.Ichino，符号主成分分析的分位数方法，统计分析数据最小值4（2）（2011），225-233。
[8] E.Diday，条形图和metabins表的主成分分析，《统计分析数据最小值》6（5）（2013），403-430·Zbl 07260376号
[9] S.Makosso-Kallyth和E.Diday，区间主成分分析对符号直方图变量的适应性，高级数据分析分类6（2012），147-159·Zbl 1255.62173号
[10] M.Chen、H.Wang和Z.Qin，概率符号数据的主成分分析：一种更通用、更精确的算法。高级数据分析分类9（2014），59-79·Zbl 1414.62012年
[11] R.Verde、A.Irpino和A.Balzanella，分布式符号数据的降维技术，IEEE Trans Cybern 99（2015），1·Zbl 1436.62453号
[12] M.Noirhomme-Frature和P.Brito，《远远超越经典数据模型：符号数据分析》，《统计分析数据最小值》4（2）（2011），157-170·Zbl 07260275号
[13] A.Irpino、R.Verde和F.A.T.de Carvalho，基于自适应平方Wasserstein距离的直方图数据动态聚类，Expert Syst Appl 41（7）（2014），3351-3366。
[14] P.Cazes，《概率分析因子》，《应用统计评论》，50（3）（2002），5-24。
[15] P.Bertrand和F.Goupil，符号数据的描述性统计，《符号数据分析：从复杂数据中提取统计信息的探索方法》，H.-H.Bock和E.Diday编辑，柏林，施普林格，2000年，103-124·Zbl 0978.62005号
[16] L.Billard，《区间数据的一些分析》，J Comp Inform Technol 16（4）（2008），225-233。
[17] A.Irpino和R.Verde，分布符号变量的基本统计：一种新的基于度量的方法。高级数据分析分类9（2014），143-175·Zbl 1414.62017年
[18] A.L.Gibbs和F.E.Su，《关于选择和限定概率指标》，《国际统计评论》第70卷第3期（2002年），第419-435页·Zbl 1217.62014年
[19] R.A.Fisher，关于从小样本推导出的相关系数的可能误差，Metron 1（1921），3-32。
[20] K.S.Law，Fisher’S z在Schmidt-Hunter型荟萃分析中的应用。J.Educe Behav Stat 20（3）（1995），287-306。
[21] N.C.Silver和W.P.Dunlap，平均相关系数：是否应使用Fisher z变换？《应用心理学杂志》72（1987）146-148。
[22] I.Olkin和J.W.Pratt，某些相关系数的无偏估计。《数学年鉴》29（1）（1958），201-211·Zbl 0094.14403号
[23] M.Viana，等相关系数的组合估计。《通信统计理论方法》11（11）（1982），1483-1504·Zbl 0533.62049号
[24] A.Irpino、C.Lauro和R.Verde，《通过闭合形状可视化符号数据》，《数据科学与应用数据分析之间》，柏林和海德堡，施普林格，2003年，244-251·Zbl 05280179号
[25] S.Lˆe，J.Josse和F.Husson，Factominer:多元分析的r包，J Stat Softw 25（1）（2008），1-18。
[26] P.Cazes、A.Chouakria、E.Diday和Y.Schektman《主要成分分析的扩展》，《应用统计评论》，45（3）（1997），5-24。
[27] J.Murillo和O.Rodriguez，Rsda：符号数据分析的r包。2011年比利时纳穆尔符号数据分析研讨会。
[28] E.Diday、L.Billard和A.Douzal-Chuakria，区间值观测的主成分分析，《统计分析数据》Min 4（2011），229-246·Zbl 07260280号
[29] J.Brahim Brahim和S.Makosso-Kallyth，Gpciv和graphpca：复杂数据主成分分析的两个r包。2014年，马萨诸塞州波士顿，JSM。
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。