基于核匹配的特征敏感曲线配准
统计方法学
2017-12-19 v2
摘要
在本文中，我们指出，对于配准两组函数型数据（其潜在均值函数具有尖锐特征）的问题，那些旨在对齐一组生长曲线数据的方法并不能恰当解决。我们提出一种新方法，能够在不平滑的情况下汇集局部信息，并在无需手动识别的情况下匹配尖锐地标。我们将此方法称为核匹配配准（kernel-matched registration），其基于最大化一种基于核的对齐度量。我们证明了所提方法在相当一般的条件下具有一致性。模拟结果表明所提方法的性能优于两种现有方法。通过分析三组古气候数据说明了所提方法。
引用
@article{arxiv.1704.03127,
title = {Feature Sensitive Curve Registration by Kernel Matching},
author = {Dibyendu Bhaumik and Radhendushka Srivastava and Debasis Sengupta},
journal= {arXiv preprint arXiv:1704.03127},
year = {2017}
}
备注
29 pages, 10 figures; Changes over the earlier version: Some of the sections are modified; a new section on "Standard error of the estimator" has been added. More analysis are reported in Simulation of performance