文献

J-GLOBAL ID：201902225908097121   整理番号：19A1587956

多変量関数データをクラスタ化するためのMahalanobis型距離に基づくK平均法【JST・京大機械翻訳】

A k-means procedure based on a Mahalanobis type distance for clustering multivariate functional data

著者 (4件)： Martino Andrea (MOX - Modelling and Scientific Computing, Department of Mathematics, Politecnico di Milano, Milan, Italy) ,  Ghiglietti Andrea (Livanova, Milan, Italy) ,  Ieva Francesca (MOX - Modelling and Scientific Computing, Department of Mathematics, Politecnico di Milano, Milan, Italy) ,  Paganoni Anna Maria (MOX - Modelling and Scientific Computing, Department of Mathematics, Politecnico di Milano, Milan, Italy)
資料名： Statistical Methods & Applications  (Statistical Methods & Applications)
巻： 28  号： 2  ページ： 301-322  発行年： 2019年 
JST資料番号： W4966A  ISSN： 1618-2510  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,[数式:原文を参照]中の多変量関数のサンプルに対する[数式:原文を参照]を用いたクラスタリング手順を提案した。この方法は,関数データのすべての成分に沿った相関と変動性を考慮して,Hilbert空間におけるMahalanobis距離を一般化する計量で曲線間の距離を測定するk-平均アルゴリズムに基づいている。提案した手順をシミュレーションにおいて研究し,多変量汎関数データをクラスタリングするために典型的に採用された他の距離に基づくk-平均と比較した。これらのシミュレーションにおいて,一般化Mahalanobis距離を有するk-平均アルゴリズムが,誤分類曲線の数の平均および標準偏差の両方に関して,最良のクラスタリング性能を提供することを示した。最後に,提案した方法をECG信号と成長曲線に関する2つの事例研究に適用し,シミュレーションで得られた結果を確認し,強化した。Copyright 2018 Springer-Verlag GmbH Germany, part of Springer Nature Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *クラスタ化 ,  汎関数 ,  Hilbert空間 ,  アルゴリズム ,  *平均法 ,  心電図 ,  成長曲線 ,  事例研究 ,  標準偏差
準シソーラス用語： Mahalanobis距離 ,  *多変量 , 【Automatic Indexing@JST】

著者キーワード (3件)： [数式:原文を参照]の距離 ,  k平均アルゴリズム ,  多変量関数データ

分類 (3件)： 人工知能  (JE08000Z) ,  数値計算  (JE02000J) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (4件)： 多変量 ,  関数 ,  クラスタ化 ,  平均法