×
Enea G.Bongiorno。;阿尔多·戈亚

基于替代密度的希尔伯特数据分类方法。 （英语） Zbl 1468.62030号

计算。统计数据分析。 99, 204-222 (2016).
摘要：研究了希尔伯特随机曲线的无监督分类和有监督分类方法。两者都依赖于概率密度替代物的使用，该替代物是在无分布混合环境中，由小球概率的渐近因式分解定义的。该替代密度由数据的主成分通过核方法估计。重点是说明分类算法和计算含义，特别注意所涉及参数的调整。给出了一些渐近结果。在模拟和实际数据集上的应用表明了所提方法的工作原理。

引用于11文件

MSC公司：

62-08 统计问题的计算方法
62H30型 分类和区分；聚类分析（统计方面）
62G07年 密度估算
62甲12 多元分析中的估计
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：

基于密度的聚类;判别贝叶斯规则;希尔伯特数据;小球概率混合;功能主成分;核密度估计

软件：

脓疱病;fda（右）;美国食品和药物管理局;Mixmod公司;科恩平滑
PDF格式BibTeX公司 XML格式引用
\textit{E.G.Bongiorno}和\textit{A.Goia}，计算。统计数据分析。99、204-222（2016；Zbl 1468.62030）
全文： 内政部 arXiv公司

参考文献：

[1] 亚伯拉罕，C。；Biau，G。；Cadre，B.，多元密度模式的简单估计，Canad。J.统计。，31，23-34，（2003），《加拿大统计年鉴》·Zbl 1035.62046号
[2] 阿扎里尼，A。；Torelli，N.，通过非参数密度估计进行聚类，统计计算。，17, 71-80, (2007)
[3] 比尔纳基，C。；Celeux，G。；戈瓦特，G。；Langrognet，F.，使用mixmod软件进行基于模型的聚类和判别分析，计算。统计师。数据分析。，51, 587-600, (2006) ·Zbl 1157.62431号
[4] 博克·H·H。；Ingrassia，S.公司。；Vermunt，J.K.，基于模型的聚类和分类专题，高级数据分析。分类。，7, (2013) ·Zbl 1489.00023号
[5] 博克·H·H。；Ingrassia，S.公司。；Vermunt，J.K.，基于模型的聚类和分类专题（第2部分），高级数据分析。分类。，8, (2014) ·Zbl 1489.00022号
[6] Bongiorno，E.G.，Goia，A.，2015年。关于Hilbert随机元的小球概率分解的一些见解。预打印·Zbl 1392.60008号
[7] （Bongiorno，E.G.；Goia，A.；Salinelli，E.；Vieu，P.，《无限维统计和相关主题的贡献》，（2014），Societa Editrice Esculapio）·Zbl 1377.62023号
[8] 陈，Y.C。；Genovese，C.R。；瓦瑟曼，L.，密度脊的渐近理论，统计年鉴。，43, 1896-1928, (2015) ·Zbl 1327.62303号
[9] Dabo-Niang，S。；费拉蒂，F。；Vieu，P.，关于将模态曲线用于雷达波形分类，计算。统计师。数据分析。，51, 4878-4890, (2007) ·Zbl 1162.62378号
[10] Delaigle，A。；Hall，P.，定义随机函数分布的概率密度，Ann.Statist。，3811171-1193（2010年）·兹比尔1183.62061
[11] Delaigle，A。；霍尔，P。；Bathia，N.，功能数据的成分分类和聚类，Biometrika，99299-313，（2012）·Zbl 1244.62090号
[12] Devroye，L.，关于非参数回归函数估计的几乎处处收敛性，Ann.Statist。，9, 1310-1319, (1981) ·Zbl 0477.62025号
[13] Dubes，R.C.，《聚类分析及相关问题》，（Chen，C.H.；Pau，L.F.；Wang，P.S.P.，《模式识别和计算机视觉手册》，（1993），世界科学出版社，美国新泽西州River Edge），3-32
[14] Duong，T。；Hazelton，M.L.，多元核密度估计的交叉验证带宽矩阵，Scand。《美国统计杂志》，32，485-506，（2005）·Zbl 1089.62035号
[15] Febrero-Bande，M。；Oviedo de la Fuente，M.，《功能数据分析中的统计计算：R包fda.usc》，J.Stat.Softw。，51, 1-28, (2012)
[16] 费拉蒂，F。；北卡罗来纳州库德拉佐夫。；Vieu，P.，无限维空间中代理密度函数的非参数估计，J.Nonparametr。Stat.，24，447-464，（2012年）·Zbl 1241.62042号
[17] 费拉蒂，F。；Vieu，P.，《曲线判别：非参数函数方法》，计算。统计师。数据分析。，44, 161-173, (2003) ·Zbl 1429.62241号
[18] 费拉蒂，F。；Vieu，P.，（非参数函数数据分析，统计学中的Springer系列，（2006），Springer纽约）·Zbl 1119.62046号
[19] Gasser，T。；霍尔，P。；Presnell，B.，随机曲线分布模式的非参数估计，J.R.Stat.Soc.Ser。B统计方法。，60, 681-691, (1998) ·Zbl 0909.62030号
[20] Gimel’fab，G。；Hancock，E。；Imiya，A。；Kuijper，A。；Kudo，M。；Omachi，S。；温迪特，T。；Yamada，K.，《结构、句法和统计模式识别：IAPR联合国际研讨会》，2012年SSPR和SPR，日本广岛，2012年11月7日至9日。《会议记录》（2012），施普林格
[21] Goia，A.，外生变量时间序列预测的函数线性模型，Statist。普罗巴伯。莱特。，82, 1005-1011, (2012) ·Zbl 1241.62124号
[22] 戈亚，A。；五月，C。；Fusai，G.，峰值负荷预测的函数聚类和线性回归，国际预测杂志。，26700-711（2010年）
[23] Horváth，L。；Kokoszka，P.，功能数据与应用程序的推断。第200卷，（2012），Springer Science&Business Media·兹比尔1279.62017
[24] 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
[25] 詹姆斯·G·M。；Hastie，T.J.，《不规则采样曲线的函数线性判别分析》，J.R.Stat.Soc.Ser。B统计方法。，63, 533-550, (2001) ·Zbl 0989.62036号
[26] 詹姆斯·G·M。；Sugar，C.A.，稀疏采样功能数据的聚类，J.Amer。统计师。协会，98，397-408，（2003）·Zbl 1041.62052号
[27] Lévéder，C.，Abraham，C.，Cornillon，P.，Matzner-Lober，E.，Molinari，N.，2004年。种族歧视。Chimiométrie，第37-43页。
[28] 刘杰。；陈，Y。；Maisog，J.M。；Luta，G.，基于预处理和确定三角形的新点包含测试算法，计算-辅助设计。，42, 1143-1150, (2010)
[29] Olszewski，R.T.，时间序列数据中结构模式识别的广义特征提取，（2001），（博士论文）
[30] J.O.拉姆齐。；Silverman，B.W.，（功能数据分析，Springer Series in Statistics，（2005），纽约Springer出版社）·Zbl 1079.62006号
[31] 里纳尔多，A。；辛格，A。；Nugent，R。；Wasserman，L.，基于密度聚类的稳定性，J.Mach。学习。研究，13905-948，（2012）·Zbl 1283.62130号
[32] Sager，T.W.，估计多变量模式和等值线的迭代方法，J.Amer。统计师。协会，74，329-339，（1979）·Zbl 0428.62040号
[33] Shin，H.，随机过程fisher判别分析的扩展，J.多元分析。，99, 1191-1216, (2008) ·Zbl 1141.62053号
[34] Silverman，B.W.（统计学和数据分析密度估计，统计学和应用概率专著，（1986），查普曼和霍尔伦敦）·Zbl 0617.62042号
[35] 托多罗娃，S。；萨德勒，P。；巴蒂斯塔，A。；蔡斯，S。；Ventura，V.，排序或不排序：尖峰排序对神经解码性能的影响，J.neural Eng.，11，（2014）
[36] Tuddenham，R。；Snyder，M.，《加州男孩和女孩从出生到18岁的身体发育》，加州儿童发展出版物，1183-364，（1954）
[37] Wand，M.P。；Jones，M.C.，（《内核平滑》，《统计学和应用概率专著》，第60卷，（1995），查普曼和霍尔，伦敦有限公司）·Zbl 0854.62043号
[38] Xu，R。；Wunsch，D.，《聚类算法综述》，IEEE Trans。神经网络。，16, 645-678, (2005)
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。