文献

J-GLOBAL ID：201902273303971046   整理番号：19A1595036

多変量関数クラスタリングとその台風データへの応用【JST・京大機械翻訳】

Multivariate functional clustering and its application to typhoon data

著者 (3件)： Misumi Toshihiro (Department of Biostatistics, Yokohama City University School of Medicine, Yokohama, Japan) ,  Matsui Hidetoshi (Faculty of Data Science, Shiga University, Hikone, Japan) ,  Konishi Sadanori (Department of Mathematics, Chuo University, Tokyo, Japan)
資料名： Behaviormetrika  (Behaviormetrika)
巻： 46  号： 1  ページ： 163-175  発行年： 2019年 
JST資料番号： W4090A  ISSN： 0385-7417  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： 多重縦データをクラスタリングするための多変量非線形混合効果モデルを提案した。非線形混合効果モデルの利点は,縦方向研究において高度に発生する不平衡データを扱うことが容易であり,与えられた時点における縦方向変数間の関係を考慮することができることである。しかし,多変量縦方向データのための結合モデリングは,多くのパラメータがモデルに含まれるので,高い計算コストを必要とする。この問題を克服するために,擬尤度関数に基づくペアワイズ当てはめ手順を実行した。各二変量モデルに含まれる未知パラメータをEMアルゴリズムと共に最大尤度法により推定し,次にモデルに含まれる基底関数の数をモデル選択基準により選択した。モデルを推定した後に,自己組織化マップによる非階層的クラスタリングアルゴリズムを,個々の特定のランダム効果関数の予測係数ベクトルに適用した。アジアにおける2000~2017年の間に発生した台風のデータの解析に提案した方法を適用した結果を示した。Copyright 2018 The Behaviormetric Society Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： パラメータ ,  アルゴリズム ,  最尤法 ,  モデル ,  アジア ,  *台風 ,  ベクトル ,  予測 ,  *クラスタ化 ,  非平衡状態 ,  モデリング ,  多重化 ,  EMアルゴリズム ,  未知パラメータ ,  *多変量 ,  *改変

著者キーワード (5件)： クラスタ分析 ,  機能データ解析 ,  多変量縦データ ,  非線形混合効果モデル ,  自己組織化マップ

分類 (5件)： 数値計算  (JE02000J) ,  システム・制御理論一般  (IA02010H) ,  統計学  (AB08000H) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 多変量 ,  関数 ,  クラスタリング ,  台風 ,  応用