English  |  正體中文  |  简体中文  |  全文笔数/总笔数 : 56562/90363 (63%)
造访人次 : 11870992      在线人数 : 100
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
搜寻范围 查询小技巧:
  • 您可在西文检索词汇前后加上"双引号",以获取较精准的检索结果
  • 若欲以作者姓名搜寻,建议至进阶搜寻限定作者字段,可获得较完整数据
  • 进阶搜寻


    jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/102968


    题名: 多變量長期追蹤資料分類問題之研究
    其它题名: Classification of Multivariate Longitudinal Data
    作者: 李百靈
    贡献者: 淡江大學統計學系
    关键词: 分類;分群分析;鑑別分析;多變量長期追蹤資料;Classification,Cluster analysis;Discriminant analysis;Multivariate longitudinal data
    日期: 2012-08
    上传时间: 2015-05-12 15:41:59 (UTC+8)
    摘要: 本計畫將探討多變量長期追蹤資料的分類問題。在過去的文獻中,不論是 多變量資料分析或是函數型資料分析(functional data analysis, FDA),大部分的 分類方法均以資料的平均結構作為分類的依據,而且較少討論到資料為不規則 且稀疏分佈的情況。因此,本計畫想提出能同時將資料在不同時間點的平均趨 勢與主要共變異結構作為分群依據的FDA 分類方法,其中並將討論監督式分 類(supervised classification)與非監督式分類(unsupervised classification)兩種問 題。除此之外,本計畫亦會在不同型態的觀測時間下討論所提出之分類方法的 表現,例如,密集觀測時間或是不規則稀疏觀測時點等情形。本計畫期望最後 所提出的分類模式能因考慮了不同變量間的相關性而進一步改善只考慮單變 量長期追蹤資料之分類方法的表現,並且提供多變量長期追蹤資料另一種可行 的分析方式。
    In this project, we propose to study the supervised and unsupervised classification problems of multivariate longitudinal data. We will try to propose a new multivariate functional classification model via the functional principal components analysis (FPCA) subspace projection so that the data can be classified based on the mean and covariance structures among groups simultaneously. We will work on the estimation methods of model components under two designs of time points, including the densely collected and sparsely sampled cases. We expect that the classification error rate can be reduced by considering the correlation between the multivariate longitudinal data compared with using the separate univariate models. The proposed method will be evaluated through simulation study and data examples.
    显示于类别:[統計學系暨研究所] 研究報告

    文件中的档案:

    没有与此文件相关的档案.

    在機構典藏中所有的数据项都受到原著作权保护.

    TAIR相关文章

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - 回馈