用于后验探索的函数型数据弹性 $k$-均值聚类及其在急性呼吸道感染动态推断中的应用
统计方法学
2020-11-26 v1 应用统计
摘要
我们提出一种在 -均值框架下对函数型数据进行聚类的新方法。我们在弹性函数型数据分析框架内工作，该框架允许将函数型数据的总体变异分解为振幅与相位分量。我们利用振幅分量通过自动化方法将函数划分为形状簇。为选择合适簇数，我们进一步提出了一种基于函数主成分分析估计的主成分上混合模型定义的新型贝叶斯信息准则。所提方法受后验探索问题驱动，其中由马尔可夫链蒙特卡洛算法获得的样本自然表示为函数。我们使用模拟数据集评估该方法，并将其应用于墨西哥圣路易斯波托西的急性呼吸道感染动态研究。
引用
@article{arxiv.2011.12397,
title = {Elastic $k$-means clustering of functional data for posterior exploration, with an application to inference on acute respiratory infection dynamics},
author = {Xiao Zang and Sebastian Kurtek and Oksana Chkrebtii and J. Derek Tucker},
journal= {arXiv preprint arXiv:2011.12397},
year = {2020}
}