二元卫星时间序列的聚类：一种分位数方法
统计方法学
2022-07-26 v1 应用统计
摘要
聚类在统计学与机器学习中备受关注，旨在发展能从原始数据获取信息以进行探索性分析的统计模型与自主算法。已有若干技术仅考虑整个周期的平均值来对采样单变量向量聚类，因而未能充分挖掘底层分布及数据其他特征，尤其在存在结构化时间序列时。我们提出一种基于分位数回归的模型聚类技术，允许我们在不同分位数层面对二元时间序列聚类。我们使用非对称拉普拉斯分布对簇内密度建模，从而考虑数据分布中的不对称性。我们通过模拟研究评估所提技术的性能。该方法随后应用于聚类来自 Glob-colour 卫星数据的营养状态指数时间序列，旨在评估其时间动态以识别加贝斯湾中营养状态方面的同质区域。
引用
@article{arxiv.2207.11682,
title = {Clustering of bivariate satellite time series: a quantile approach},
author = {Victor Muthama Musau and Carlo Gaetan and Paolo Girardi},
journal= {arXiv preprint arXiv:2207.11682},
year = {2022}
}