通过允许维度选择的多变量函数数据双划分聚类研究游泳技术技能
应用统计
2023-03-29 v1
摘要
研究游泳者的技术技能是提升成绩的一大挑战，可通过分析由惯性测量单元（IMU）记录的多变量函数数据来实现。为研究自由泳游泳者的技术水平，我们引入了一种新的基于模型的方法，以获得两个互补的划分，分别反映每名游泳者的游泳模式及其复现该模式的能力。与通常的函数数据聚类方法不同，所提方法还考虑了由函数基分解产生的残差信息。事实上，在对原始信号（衡量游泳模式）和平方残差信号（衡量复现游泳模式的能力）均进行函数基分解后，该方法通过考虑两个划分之间的依赖性来拟合与两种分解相关的系数的联合分布。对这种依赖性建模是必需的，因为复现某一游泳模式的难度取决于其形状。此外，我们提出了一种在分量内对分布进行稀疏分解的方法，允许在聚类过程中选择相关维度。在 IMU 数据上获得的划分聚合了与游泳技术技能相关的水动力划水变异性，并能够识别出自由泳冲刺成绩的相关生物力学策略。
引用
@article{arxiv.2303.15812,
title = {Investigating swimming technical skills by a double partition clustering of multivariate functional data allowing for dimension selection},
author = {Antoine Bouvet and Salima El Kolei and Matthieu Marbac},
journal= {arXiv preprint arXiv:2303.15812},
year = {2023}
}