面向不完全非高斯函数型数据的配准
统计方法学
2021-08-13 v1
摘要
处理相位变异性是函数型数据分析中的关键挑战。为将其与振幅变化分离，需对函数型数据配准，即弹性形变其观测域，使所得函数与模板函数对齐。目前多数可用配准方法局限于含高斯噪声的完整且稠密观测曲线数据集。然而，许多真实世界函数型数据集为非高斯且含不完全曲线，其底层过程未在整个域上被记录。本文扩展并精炼了一种联合基于似然的配准与基于潜高斯过程的广义函数型主成分分析框架，可处理不完全曲线。我们的方法配有成熟的开源软件，适用于多样非高斯数据场景，并提供公开代码库以复现所有结果。我们配准了来自地震学应用的数据，其包含空间索引的不完全地速时间序列，具有高度波动的Gamma结构。我们描述、实现并评估了该方法对此类不完全非高斯函数型数据的表现，并与现有例程比较。
引用
@article{arxiv.2108.05634,
title = {Registration for Incomplete Non-Gaussian Functional Data},
author = {Alexander Bauer and Fabian Scheipl and Helmut Küchenhoff and Alice-Agnes Gabriel},
journal= {arXiv preprint arXiv:2108.05634},
year = {2021}
}
备注
Excluding the Appendix (i.e. the second half of the submitted pdf): 41 pages, 8 figures Including the Appendix: 74 pages, 32 figures Submitted to Journal of Computational and Graphical Statistics