English  |  正體中文  |  简体中文  |  全文笔数/总笔数 : 49064/83169 (59%)
造访人次 : 6957752      在线人数 : 63
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/987654321/6319


    题名: 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
    其它题名: Clustering of Longitudinal Data ---A K-Centers Functional Clustering Algorithm
    作者: 李百靈
    贡献者: 淡江大學統計學系
    关键词: 分群分析;長期追蹤資料;函數型資料;隨機過程
    日期: 2006
    上传时间: 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。
    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