基于函数统计的纵向数据组模式检测
应用统计
2022-03-29 v1 统计计算
摘要
群体中时间序列数据主要模式的估计与评估惠及众多领域的广泛应用。不同于经典自相关时间序列分析和现代神经网络技术，本文以更直观的方式提出将函数方差分析（FANOVA）与置换检验相结合，适用于有限样本量。首先，应用 FANOVA 以分离共同信息并通过配对组比较挖掘额外的类别影响，其结果随后通过置换检验分析，以识别不同组均值存在显著差异的时间区间。不同组的归一化核函数能够反映分组单元中显著的平均特征，对更深入的解释和分组分类亦有意义。为探明所提 FANOVA 与置换 F 检验方法在何时及如何精确高效工作，我们将模拟数据上估计的核结果与真实值比较。在模拟确认模型效率后，我们将其应用于 RAVDESS 面部数据集，通过比较中性表现与情绪表现，基于面部肌肉收缩（计算机图形学中技术称为动作单元（AU））提取人类情绪行为。
引用
@article{arxiv.2203.14251,
title = {Group pattern detection of longitudinal data using functional statistics},
author = {Rongjiao Ji and Alessandra Micheletti and Nataša Krklec Jerinkić and Zoranka Desnica},
journal= {arXiv preprint arXiv:2203.14251},
year = {2022}
}