亚历克斯·夏普；瑞安·布朗 通过投影到潜在广义双曲子空间的函数数据聚类。 （英语） Zbl 07433036号 高级数据分析。分类。，ADAC公司 15，第3期，735-757（2021年）. 摘要：我们引入了一个潜在的子面模型，它有助于基于模型的功能数据聚类。通过在基展开系数投影到特定群子空间上施加联合广义双曲分布，可以实现灵活的聚类。通过假设这些子空间的维数相对较低，该模型获得了简约性。通过多周期ECM算法进行参数估计。对模拟和实际数据集的应用说明了竞争性聚类能力，并证明了模型的通用性。 引用于三文件 MSC公司： 62兰特 功能数据分析 关键词：基于模型的聚类；功能数据分析；尺寸缩减；功能主成分分析；EM算法 软件：二维码；功能HDDC PDF格式BibTeX公司 XML格式引用 \textit｛A.Sharp｝和\textit｛R.Browne｝，高级数据分析。分类。，ADAC 15，编号3，735--757（2021；Zbl 07433036） 全文： 内政部 参考文献： [1] Baek，J。；GJ麦克拉克伦；Flack，LK，《因子分析仪与公共因子加载的混合：应用于高维数据的聚类和可视化》，IEEE Trans-Pattern Ana Mach Intell，32，7，1298-1309（2010）·doi:10.10109/TPAMI.2009.149 [2] JD Banfield；Raftery，AE，基于模型的高斯和非高斯聚类，生物统计学，49，3，803-821（1993）·兹比尔0794.62034 ·doi:10.2307/2532201 [3] Bellman，R.，《动态规划理论》，美国数学学会，60，6，503-515（1954）·Zbl 0057.1253号 ·doi:10.1090/S0002-9904-1954-09848-8 [4] 比克尔，PJ；Levina，E.，大型协方差矩阵的正则化估计，《Ann Stat》，36，1，199-227（2008）·Zbl 1132.62040号 ·doi:10.1214/0090536007000000758 [5] Bouveyron，C。；Brunet，C.，《基于模型的高维数据聚类：综述》，《计算统计数据分析》，71，52-78（2013）·Zbl 1471.62032号 ·doi:10.1016/j.csda.2012.12.008 [6] Bouveyron，C。；Jacques，J.，基于模型的群组特定功能子空间时间序列聚类，高级数据分析分类，5，4，281-300（2011）·Zbl 1274.62416号 ·doi:10.1007/s11634-011-0095-6 [7] Bouveyron，C。；吉拉德，S。；Schmid，C.，《高维数据聚类》，《计算统计数据分析》，52，1，502-519（2007）·Zbl 1452.62433号 ·doi:10.1016/j.csda.2007.02.009 [8] Bouveyron C，Cóme E，Jacques J（2015）自行车共享系统比较分析的区分功能混合模型。Ann Appl Stat（出版中）。https://hal.archives-ouvertes.fr/hal-01024186 ·Zbl 1397.62511号 [9] 布朗，RP；McNicholas，PD，广义双曲分布的混合，Can J Stat，43，2，176-198（2015）·Zbl 1320.62144号 ·doi:10.1002/cjs.11246 [10] Celeux，G。；Govaert，G.，高斯简约聚类模型，模式识别，28，5，781-793（1995）·doi:10.1016/0031-3203（94）00125-6 [11] Dau HA、Keogh E、Kamgar K、Yeh CCM、Zhu Y、Gharghabi S、Ratanamahatana CA、Yanping、Hu B、Begum N、Bagnall A、Mueen A、Batista G、Hexagon-ML（2018）《ucr时间序列分类档案》。https://www.cs.ucr.edu/eamonn/time_series_data_2018/ [12] Ghahramani Z，Hinton GE（1997）混合因子分析仪的em算法。技术报告 [13] 哈斯蒂，T。；Buja，A。；Tibshirani，R.，《惩罚判别分析》，Ann Stat，23，1，73-102（1995）·Zbl 0821.62031号 ·doi:10.1214/aos/1176324456 [14] 雅克·J。；Preda，C.，《功能数据聚类：一项调查》，《高级数据分析分类》，8，3，231-255（2014）·Zbl 1414.62018年 ·doi:10.1007/s11634-013-0158-y [15] 雅克·J。；Preda，C.，多元功能数据的基于模型的聚类，《计算统计数据分析》，71，92-106（2014）·Zbl 1471.62096号 ·doi:10.1016/j.csda.2012.12.004 [16] 詹姆斯，总经理；Sugar，CA，稀疏采样函数数据的聚类，美国国家统计协会，98462397-408（2003）·兹比尔1041.62052 ·doi:10.1198/016214503000189 [17] Kim，NH；Browne，R.，广义双曲分布有限混合的子空间聚类，Adv Data Anal Classif（2018）·Zbl 1474.62187号 ·doi:10.1007/s11634-018-0333-2 [18] 林，Z。；穆勒，HG；Yao，F.，混合内积空间及其在函数数据分析中的应用，Ann Statist，46，1，370-400（2018）·Zbl 1393.62029号 ·doi:10.1214/17-AOS1553 [19] 麦克拉克伦，G。；皮，D。；Bean，R.，通过因子分析器的混合物对高维数据建模，Comput Stat data Anal，41，379-388（2003）·Zbl 1256.62036号 ·doi:10.1016/S0167-9473（02）00183-4 [20] 麦克拉克伦，G。；比恩，R。；Ben-Tovim-Jones，L.，混合因子分析模型的扩展，以纳入多元分布，计算统计数据分析，51，5327-5338（2007）·Zbl 1445.62053号 ·doi:10.1016/j.csda.2006.09.015 [21] AJ麦克尼尔；弗雷，R。；Embrechts，P.，《定量风险管理：概念、技术和工具》（2015），新泽西州普林斯顿：普林斯顿大学出版社，新泽西普林斯顿·Zbl 1337.91003号 [22] 帕森斯。；哈克，E。；Liu，H.，《高维数据的子空间聚类：综述》，SIGKDD Explor Newsl，6，1，90-105（2004）·数字对象标识代码：10.1145/1007730.1007731 [23] 佩塞夫斯基，A。；Franczak，B。；McNicholas，P.，多变量t分布的子空间聚类，Pattern Recogn Lett，112，1（2017）·doi:10.1016/j.patrec.2018.07.003 [24] Schmutz A，Jacques J，Bouveyron C，Cheze L，Martin P（2018）在特定群函数子空间中聚类多元函数数据（工作文件或预印本）。https://hal.inia.fr/hal-01652467 ·Zbl 1505.62360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。