面向函数轨迹随时间演化的贝叶斯无参数聚类方法
统计方法学
2024-10-10 v1
摘要
函数并行或变系数回归模型在生物医学和临床研究中常用于探讨结果与观测协变量关系随另一协变量变化的情形。本文提出一种贝叶斯无参数方法，以调查这些函数关系的聚类如何随时间演化。我们的模型在时间段内对个体功能轨迹进行聚类，同时灵活地容纳时间段内聚类划分的演变。我们受动力健康数据启发，后者来自一种新型基于智能手机的戒烟干预研究。结果表明，我们提出的方法能够同时对功能轨迹进行聚类、容纳时间相关性，并提供关于功能聚类间转换的洞察。
引用
@article{arxiv.2405.11358,
title = {A Bayesian Nonparametric Approach for Clustering Functional Trajectories over Time},
author = {Mingrui Liang and Matthew D. Koslovsky and Emily T. Hebert and Darla E. Kendzor and Marina Vannucci},
journal= {arXiv preprint arXiv:2405.11358},
year = {2024}
}