基于模型的曲线配准：通过随机近似EM算法实现
统计方法学
2018-06-26 v2
摘要
函数型数据通常围绕一个共同的基础形状表现出振幅变异和相位变异，其中相位变异由所谓的扭曲函数表示。通过曲线对齐消除相位变异并推断扭曲函数的过程被称为曲线配准。当函数型数据在显著噪声下被观测时，可采用基于模型的方法进行同步平滑与曲线配准。然而，模型的非线性往往使推断在计算上具有挑战性。在本文中，我们提出了一种替代的基于模型的曲线配准方法，其在计算上比文献中现有方法更稳定、更高效。我们将该方法应用于象海豹下潜剖面的分析，并表明通过对预测的扭曲函数进行相位变异聚类可获得更直观的分组。
引用
@article{arxiv.1712.07265,
title = {Model-based curve registration via stochastic approximation EM algorithm},
author = {Eric Fu and Nancy Heckman},
journal= {arXiv preprint arXiv:1712.07265},
year = {2018}
}