| 基于自适应迭代更新的函数型数据聚类方法研究 |
| |
| 引用本文： | 王德青等. 基于自适应迭代更新的函数型数据聚类方法研究[J]. 统计研究, 2015, 32(4): 91-96 |
| |
| 作者姓名： | 王德青等 |
| |
| 摘 要： | ![]()
函数型数据的稀疏性和无穷维特性使得传统聚类分析失效。针对此问题，本文在界定函数型数据概念与内涵的基础上提出了一种自适应迭代更新聚类分析。首先，基于数据参数信息实现无穷维函数空间向有限维多元空间的过渡；在此基础上，依据变量信息含量的差异构建了自适应赋权聚类统计量，并依此为函数型数据的相似性测度进行初始类别划分；进一步地，在给定阈值限制下，对所有函数的初始类别归属进行自适应迭代更新，将收敛的优化结果作为最终的类别划分。随机模拟和实证检验表明，与现有的同类函数型聚类分析相比，文中方法的分类正确率显著提高，体现了新方法的相对优良性和实际问题应用中的有效性。
|
| 关 键 词： | 函数型数据分析 自适应权重；迭代更新；聚类分析 |
Research on Clustering Analysis for Functional Data based on Adaptive Iteration |
| |
| Wang Deqing et al.. Research on Clustering Analysis for Functional Data based on Adaptive Iteration[J]. Statistical Research, 2015, 32(4): 91-96 |
| |
| Authors: | Wang Deqing et al. |
| |
| Abstract: | ![]()
|
| |
| Keywords: | functional data analysis adaptive weighting iterative update clustering analysis |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《统计研究》浏览原始摘要信息 |
|
点击此处可从《统计研究》下载全文 |
