布兰科罗,R。;E.卡里佐萨。;Jiménez-Cordero,A。;马丁·巴拉根,B。 具有函数数据的支持向量机的函数带宽核:一种交替优化算法。 (英语) Zbl 1430.90450号 欧洲药典。物件。 275,第1期,195-207(2019). 摘要:功能数据分析(FDA)致力于研究作为功能的数据。支持向量机(SVM)是分类的基准工具,尤其是功能数据的分类。SVM经常与涉及标量带宽参数的内核(例如高斯)一起使用。在本文中,我们建议使用具有函数带宽的内核。通过这种方式,可以提高准确性,并确定对分类至关重要的时间间隔。调整新内核的功能参数是一项具有挑战性的任务,表现为一个连续优化问题,通过启发式方法解决。我们用基准数据集进行的实验表明了使用函数参数的优点和我们的方法的有效性。 引用于9文件 MSC公司: 90C20个 二次规划 68吨10 模式识别、语音识别 62H30型 分类和区分;聚类分析(统计方面) 关键词:数据挖掘;功能数据分类;参数整定;支持向量机;功能带宽 软件:fda(右);美国食品和药物管理局 PDF格式BibTeX公司 XML格式引用 \textit{R.Blankero}等人,《欧洲药典》。第275号决议,第1号,195--207(2019年;Zbl 1430.90450) 全文: 内政部 链接 参考文献: [1] Akaike,H.,统计模型识别的新视角,IEEE自动控制汇刊,19,6716-723(1974)·Zbl 0314.62039号 [2] 巴约,A。;Cuevas,A。;Cuesta-Albertos,J.A.,高斯函数模型族的监督分类,《斯堪的纳维亚统计杂志》,38,3,480-498(2011)·兹比尔1246.62155 [3] 贝伦德罗,J.R。;Cuevas,A。;Torrecilla,J.L.,函数数据分类中的变量选择:最大值搜寻建议,中国统计,26119-638(2016)·兹比尔1356.62079 [4] Biau,G。;布尼亚,F。;Wegkamp,M.H.,希尔伯特空间中的函数分类,IEEE信息理论汇刊,51,6,2163-2172(2005)·Zbl 1285.94015号 [5] 比尔纳基,C。;Celeux,G。;Govaert,G.,《用综合完全似然评估聚类的混合模型》,IEEE模式分析和机器智能汇刊,22,7,719-725(2000) [6] 布兰科罗,R。;Carrizosa,E。;Chis,O。;埃斯特班,N。;Jiménez-Cordero,A。;罗德里格斯,J.F。;Sillero-Denamiel,M.R.,《关于不完全测量的化学反应网络中的极端浓度》,《工业与工程化学研究》,55,11417-11430(2016) [7] 布兰科罗,R。;Carrizosa,E。;Jiménez-Cordero,A。;Martín-Barragán,B.,《多元功能数据分类中的变量选择》,技术报告(2017),爱丁堡大学-塞维利亚大学 [8] 布兰科罗,R。;Carrizosa,E。;Jiménez-Cordero,A。;Rodríguez,J.F.,《化学反应网络中模型选择的全局优化方法》,计算机与化学工程,93,52-62(2016) [9] Brooks,J.P.,《带斜坡损失和硬边际损失的支持向量机》,运筹学,59,2467-479(2011)·Zbl 1228.90057号 [10] Bugeau,A.和Pérez,P.(2007)。用于混合多维空间中的核估计的带宽选择。;Bugeau,A.和Pérez,P.(2007)。混合多维空间中核估计的带宽选择。 [11] 蔡,Z。;范,J。;姚,Q.,非线性时间序列的函数系数回归模型,美国统计协会杂志,95451941-956(2000)·Zbl 0996.62078号 [12] Carrizosa,E。;马丁·巴拉根,B。;Romero Morales,D.,支持向量机参数调整的嵌套启发式算法,计算机与运筹学,43,328-334(2014)·Zbl 1349.62260号 [13] Carrizosa,E。;罗梅罗·莫拉莱斯(Romero Morales,D.),《监督分类和数学优化》,《计算机与运营研究》,第40、1、150-165页(2013年)·Zbl 1349.68135号 [14] Cauwenberghs,G。;Poggio,T.,增量和减量支持向量机学习,神经信息处理系统的进展,409-415(2001) [15] 陈,Q。;韦恩,R。;Goulding,P。;Sandoz,D.,《主成分分析和核密度估计在加强过程监控中的应用》,《控制工程实践》,8,5,531-543(2000) [16] Chen,Y.、Keogh,E.、Hu,B.、Begum,N.、Bagnall,A.、Mueen,A.和Batista,G.(2015)。UCR时间序列分类档案。www.cs.ucr.edu/emonn/time_series_data/;Chen,Y.、Keogh,E.、Hu,B.、Begum,N.、Bagnall,A.、Mueen,A.和Batista,G.(2015)。UCR时间序列分类档案。www.cs.ucr.edu/eamon/time_series_data/ [17] Claeskens,G。;克罗克斯,C。;Kerckhoven,J.V.,《支持向量机中变量选择的信息准则》,《机器学习研究杂志》,9,3月,541-558(2008)·Zbl 1225.68166号 [18] 科尔森,B。;马科特,P。;Savard,G.,《双层优化概述》,《运筹学年鉴》,153,1,235-256(2007)·Zbl 1159.90483号 [19] 科尔特斯,C。;Vapnik,V.,支持向量网络,机器学习,20,3,273-297(1995)·Zbl 0831.68098号 [20] 克里斯蒂安尼,N。;Shawe-Taylor,J.,《支持向量机和其他基于核的学习方法简介》(2000),剑桥大学出版社 [21] 克鲁兹·卡诺,R。;Chew,D.S。;Choi,K.-P。;Leung,M.-Y.,用于病毒复制起源预测的最小二乘支持向量机方法,《计算机信息杂志》,22,3,457-470(2010)·Zbl 1243.68236号 [22] Cuevas,A。;费布雷罗,M。;Fraiman,R.,《关于使用bootstrap估计函数与函数数据的关系》,计算统计与数据分析,51,2,1063-1074(2006)·Zbl 1157.62390号 [23] Cuevas,A。;费布雷罗,M。;Fraiman,R.,通过基于投影的深度概念对功能数据进行稳健估计和分类,计算统计学,22,3,481-496(2007)·Zbl 1195.62032号 [24] De Boor,C.,花键实用指南。《样条曲线实用指南》,《应用数学科学》,27(1978),Springer-Verlag New York·Zbl 0406.41003号 [25] Delaigle,A。;Hall,P.,《实现功能数据的近乎完美分类》,《皇家统计学会期刊:B辑(统计方法)》,74,2,267-286(2012)·Zbl 1411.62164号 [26] Duong,T。;Cowling,A。;科赫,I。;Wand,M.,多元核密度估计的特征重要性,计算统计与数据分析,52,9,4225-4242(2008)·Zbl 1452.62265号 [27] Febrero-Bande,M。;Oviedo de la Fuente,M.,《功能数据分析中的统计计算:r包fda.usc》,《统计软件杂志》,51,4,1-28(2012) [28] 费拉蒂,F。;Vieu,P.,《非参数函数数据分析:理论与实践》(2006),Springer Science&Business Media·Zbl 1119.62046号 [29] 马里兰州费里斯。;Munson,T.S.,《半光滑支持向量机》,《数学规划》,101,1185-204(2004)·Zbl 1076.90041号 [30] Friedman,J.、Hastie,T.和Tibshirani,R.(2001a)。的数据集统计学习的要素https://web.stanford.edu/hastie/ElmStatLearn/data.html;Friedman,J.、Hastie,T.和Tibshirani,R.(2001a)。的数据集统计学习的要素https://web.stanford.edu/hastie/ElemStatLearn/data.html·Zbl 0973.62007号 [31] 弗里德曼,J。;哈斯蒂,T。;Tibshirani,R.,《统计学习的要素》。统计学习的要素,《统计学中的斯普林格系列》,1(2001),斯普林格,柏林·Zbl 0973.62007号 [32] 锤子,B。;Villmann,T.,广义相关学习矢量量化,神经网络,15,8,1059-1068(2002) [33] 霍夫曼,T。;Schölkopf,B。;Smola,A.J.,机器学习中的内核方法,《统计年鉴》,36,3,1171-1220(2008)·Zbl 1151.30007号 [34] Jiménez-Cordero,A。;Maldonado,S.,《使用功能数据进行支持向量机分类的自动特征缩放和选择》,技术报告(2018),安第斯大学-塞维利亚大学 [35] Kadri,H。;杜弗洛斯,E。;普鲁克斯,P。;卡努,S。;Davy,M.,《非线性函数回归:一种函数RKHS方法》,《人工智能与统计国际会议论文集》,374-380(2010) [36] Kästner,M。;锤子,B。;贝尔,M。;Villmann,T.,广义学习矢量量化中的功能相关学习,神经计算,90,85-95(2012) [37] Keerthi,S.S。;Lin,C.-J.,高斯核支持向量机的渐近行为,神经计算,15,71667-1689(2003)·Zbl 1086.68569号 [38] Laukaitis,A。;Račkauskas,A.,《客户细分任务的功能数据分析》,《欧洲运筹学杂志》,163,1,210-216(2005)·Zbl 1067.90118号 [39] 莱斯曼,S。;Voß,S.,《使用支持向量机进行以客户为中心的数据挖掘的参考模型》,《欧洲运筹学杂志》,199,2,520-530(2009)·Zbl 1176.90340号 [40] 洛佩兹·平塔多,S。;Romo,J.,《关于功能数据深度的概念》,《美国统计协会杂志》,104,486,718-734(2009)·Zbl 1388.62139号 [41] 马尔多纳多,S。;佩雷斯,J。;Bravo,C.,《支持向量机基于成本的特征选择:在信用评分中的应用》,《欧洲运筹学杂志》,261,2656-665(2017)·Zbl 1403.90526号 [42] 马尔多纳多,S。;韦伯,R。;Basak,J.,使用核化支持向量机进行同步特征选择和分类,信息科学,181,1115-128(2011) [43] 马丁·巴拉根,B。;利洛,R。;Romo,J.,功能数据的可解释支持向量机,《欧洲运筹学杂志》,232,1,146-155(2014) [44] 穆尼奥斯,A。;González,J.,《使用支持向量机表示函数数据》,《模式识别字母》,31,6,511-516(2010) [45] Preda,C。;萨波尔塔,G。;Lévéder,C.,PLS功能数据分类,计算统计,22,2,223-235(2007)·Zbl 1196.62086号 [46] J.O.拉姆齐。;Silverman,B.W.,《应用功能数据分析:方法和案例研究》。应用功能数据分析:方法和案例研究,Springer Series in Statistics,77(2002),Springer-Verlag·Zbl 1011.62002号 [47] J.O.拉姆齐。;Silverman,B.W.,《功能数据分析》。功能数据分析,Springer Series in Statistics(2005),Springer-Verlag·Zbl 1079.62006号 [48] 里奇塔里克,P。;Takáć,M.,大数据优化的平行坐标下降法,数学规划,156,1-2,433-484(2016)·Zbl 1342.90102号 [49] 罗西,F。;Villa,N.,功能数据分类的支持向量机,神经计算,69,7,730-742(2006) [50] 罗西,F。;Villa,N.,《SVM用于功能数据分类的最新进展,功能和操作统计》,273-280(2008),Physica-Verlag HD:Physica-Verlag HD Heidelberg [51] Ruiz-Meana,M。;Garcia-Dorado,D。;Pina,P。;插入,J。;阿古洛,L。;Soler-Soler,J.,Cariporide在缺血条件下保留线粒体质子梯度并延迟心肌细胞atp耗竭,美国生理学杂志-心脏和循环生理学,285,3,H999-H1006(2003) [52] Sain,S.R.,多元局部自适应密度估计,计算统计与数据分析,39,2,165-186(2002)·Zbl 1132.62329号 [53] 佐藤。;Yamada,K.,广义学习矢量量化,神经信息处理系统的进展,423-429(1996) [54] Schwarz,G.,估算模型的维度,《统计年鉴》,6,2,461-464(1978)·Zbl 0379.62005年 [55] Sood,A。;詹姆斯·G·M。;Tellis,G.J.,《函数回归:预测新产品市场渗透率的新模型》,《市场营销科学》,2009年第28、1、36-51页 [56] 苏肯斯,J。;Vandewalle,J.,最小二乘支持向量机分类器,《神经处理快报》,9,3,293-300(1999) [57] 谢凯利,G.J。;Rizzo,M.L。;Bakirov,N.K.,《通过距离相关性测量和测试相关性》,《统计年鉴》,35,6,2769-2794(2007)·Zbl 1129.62059号 [58] Torrecilla Noguerales,J.L.,《关于函数数据变量选择的理论与实践》(2015),马德里大学(博士论文) [59] Tuddenham,R.D。;Snyder,M.,《加州男孩和女孩从出生到十八岁的身体成长》。,183-364(1954年),《儿童发展出版物》。加州大学伯克利分校 [60] Wang,H。;Yao,M.,基于多元函数核主成分分析的间歇过程故障检测,化学计学和智能实验室系统,14978-89(2015) [61] Wang,H。;郑,B。;Yoon,S.W。;Ko,H.S.,一种基于支持向量机的乳腺癌诊断集成算法,《欧洲运筹学杂志》,267,2687-699(2018)·Zbl 1403.92109号 [62] Wang,J.-L。;Chiou,J.-M。;Müller,H.-G.,功能数据分析,统计及其应用年鉴,3,1,257-295(2016) [63] Wei,L.(2006)。http://alumber.cs.ucr.edu/wli/selfTraining/;Wei,L.(2006)。http://alumber.cs.ucr.edu/wli/self培训/ [64] Wei,L。;Keogh,E.,半监督时间序列分类,第十二届ACM SIGKDD知识发现和数据挖掘国际会议论文集。第十二届ACM SIGKDD知识发现和数据挖掘国际会议论文集,KDD’06,748-753(2006),ACM [65] 吴总。;Chiang,C.-T。;胡佛,D.R.,具有纵向数据的变系数模型核平滑的渐近置信区,美国统计协会杂志,93,444,1388-1402(1998)·Zbl 1064.62523号 [66] 邢,Z。;裴,J。;Philip,S.Y.,《时间序列的早期预测:最近邻法》,IJCAI,1297-1302(2009) 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。