基于机器学习的鼩鼱类颅齿形态量化中形态测量与函数型数据分析的统一方法
定量方法
2023-02-22 v1
摘要
本文提出了一种用于形态测量的函数型数据分析方法，应用于基于图像对三种鼩鼱物种（S. murinus、C. monticola 和 C. malayana）进行分类。将颅齿视图（背侧、下颌和侧位）的离散标志点数据转换为连续曲线，其中曲线表示为基函数的线性组合。基于四种机器学习算法（朴素贝叶斯、支持向量机、随机森林和广义线性模型）对从FDA方法和经典方法（三种颅齿视图的组合及单独视图）得到的预测主成分得分进行了比较研究。与经典方法相比，FDA方法在分离三种鼩鼱物种聚类方面产生了更好的结果，且背侧视图在分类三种鼩鼱物种时给出了最佳表示。总体而言，基于FDA方法，预测PCA得分的GLM在四种分类模型中准确率最高（95.4%）。
引用
@article{arxiv.2302.10792,
title = {A unified approach for morphometrics and functional data analysis with machine learning for craniodental shape quantification in shrew species},
author = {Aneesha Balachandran Pillay and Dharini Pathmanathan and Sophie Dabo-Niang and Arpah Abu and Hasmahzaiti Omar},
journal= {arXiv preprint arXiv:2302.10792},
year = {2023}
}
备注
24 pages,4 Figures,2 tables,Dharini Pathmanathan (corresponding author)