English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 49200/83641 (59%)
造訪人次 : 7097503      線上人數 : 33
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋
    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/987654321/6319


    題名: 長期追蹤資料分群問題之研究---K中心的函數型分群演算法
    其他題名: Clustering of Longitudinal Data ---A K-Centers Functional Clustering Algorithm
    作者: 李百靈
    貢獻者: 淡江大學統計學系
    關鍵詞: 分群分析;長期追蹤資料;函數型資料;隨機過程
    日期: 2006
    上傳時間: 2009-03-16 13:52:30 (UTC+8)
    摘要: 本計畫主要是探討長期追蹤資料(longitudinal data)的分群問題。有別於傳統的多變量分群方法,我們將以函數型資料(functional data)的觀點來建立分群模式,即將資料視為隨機過程的觀測值。除此之外,計畫中所提出的分群方法則考慮同時以隨機過程的平均與共變異函數做為分群的依據,並期望在分群時可考慮到長期追蹤資料本身在不同時間點具有相關性之特性。根據這樣的構想,目前將先從K中心的函數型分群演算法(k-centers functional clustering algorithm)著手,從理論及模擬驗證上去探討此種方法的可行性,以及利用模擬和實際資料來和其他典型的函數型分群演算法作比較。而在實際應用上,無論是工業上隨時間密集量測的函數型資料,或是生物醫學所得的長期追蹤資料,如成長曲線(growth curve)或隨時間變化的基因表現量(time-course gene expression)等資料,我們所提出的方法將可提供另一種新的分群觀點,同時也能探查分群資料在平均與共變異結構上的特性。
    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

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