基于形状与地标的数据驱动函数软对齐
统计方法学
2022-04-12 v2 计算机视觉与模式识别
应用统计
摘要
函数的对齐或配准是函数与形状统计分析中的基本问题。尽管已有多种方法,但基于Fisher-Rao度量与平方根速度函数(SRVFs)的较新方法已被证明具有良好性能。然而,该SRVF方法有两个局限:(1)易受过度对齐影响,即对齐噪声与信号;(2)当存在以地标形式给出的额外信息时,原始公式未规定纳入该信息的方式。本文提出一种扩展,允许纳入地标信息,以在匹配曲线与地标之间寻求折衷。这产生了一种软地标对齐,使地标彼此靠近,而无需其精确重叠,从而在函数与地标的贡献间找到折衷。所提方法在某些实际场景中被证明更优。
引用
@article{arxiv.2203.14810,
title = {Data-Driven, Soft Alignment of Functional Data Using Shapes and Landmarks},
author = {Xiaoyang Guo and Wei Wu and Anuj Srivastava},
journal= {arXiv preprint arXiv:2203.14810},
year = {2022}
}