多變量長期追蹤資料分類問題之研究

淡江大學機構典藏 > 商管學院 > 統計學系暨研究所 > 研究報告 > Item 987654321/102968

請使用永久網址來引用或連結此文件: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/102968

題名:	多變量長期追蹤資料分類問題之研究
其他題名:	Classification of Multivariate Longitudinal Data
作者:	李百靈
貢獻者:	淡江大學統計學系
關鍵詞:	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
上傳時間:	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.
顯示於類別:	[統計學系暨研究所] 研究報告

文件中的檔案:

沒有與此文件相關的檔案.

在機構典藏中所有的資料項目都受到原著作權保護.

TAIR相關文章

資料載入中.....