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

機構典藏 > College of Business and Management > Graduate Institute & Department of Statistics > Research Paper > Item 987654321/6319

Please use this identifier to cite or link to this item: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/6319

Title:	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
Other Titles:	Clustering of Longitudinal Data ---A K-Centers Functional Clustering Algorithm
Authors:	李百靈
Contributors:	淡江大學統計學系
Keywords:	分群分析;長期追蹤資料;函數型資料;隨機過程
Date:	2006
Issue Date:	2009-03-16 13:52:30 (UTC+8)
Abstract:	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。
Appears in Collections:	[Graduate Institute & Department of Statistics] Research Paper

Files in This Item:

There are no files associated with this item.

Loading...