解决功能数据中的相位差异：基于贝叶斯的方法用于精确对齐和平滑
统计方法学
2025-06-18 v1 应用统计
摘要
在许多实际应用中，功能数据在幅值和相位方面表现出显著 variability。这一点在生物力学数据中尤为突出，例如本研究所启发的数据集——髋屈肌角度数据集，其中跨曲线的时间差异会遮蔽有意义的比较。本研究的曲线也彼此之间表现出显著的 variability。这些显著差异使得该数据集在对齐而不扭曲或丢失个体曲线特征方面尤其具有挑战性。我们对齐模型通过消除相位差异来解决这些挑战，同时保留每个曲线的个体特征，避免扭曲，归功于其灵活的平滑组件。此外，该模型通过专门的参数容纳群体结构。通过利用贝叶斯方法，新的先验条件确保变形函数自动满足所有必要的有效性条件。我们将该模型应用于髋屈肌数据集，展示了在高个体曲线 variability和复杂群体结构存在时，模型在平滑和对齐方面表现出色。
引用
@article{arxiv.2506.14650,
title = {Addressing Phase Discrepancies in Functional Data: A Bayesian Approach for Accurate Alignment and Smoothing},
author = {Jacopo Gardella and Raffaele Argiento and Alessandro Casa and Alessia Pini},
journal= {arXiv preprint arXiv:2506.14650},
year = {2025}
}