The Dirichlet labeling process for functional data analysis
The Dirichlet labeling process for functional data analysis
复制标题
DOI：
--
复制
发表时间：
2008
期刊：
影响因子：
--
通讯作者：
X. Nguyen;A. Gelfand
中科院分区：
文献类型：
--
作者：
X. Nguyen;A. Gelfand
我们考虑涉及函数数据的问题，其中我们有一个函数集合，每个函数都被视为一个过程实现，例如，随机的曲线或表面。对于一个特定的过程实现，我们假设在给定位置的观察可以通过随机分配过程分配到不同的组，我们称之为狄利克雷标记过程。我们调查这个过程的属性，并将其作为一个混合模型的先验。我们开发的标签过程的精确和近似表示，分析的全球和本地的聚类行为，并开发有效的推理方法，使用这种先验模型。性能证明与合成数据的例子，公共卫生应用程序和图像分割任务。
We consider problems involving functional data where we have a collection of functions, each viewed as a process realization, e.g., a random curve or surface. For a particular process realization, we assume that the observation at a given location can be allocated to separate groups via a random allocation process, which we name the Dirichlet labeling process. We investigate properties of this process and its use as a prior in a mixture model. We develop exact and approximate representations for the labeling process, analyze the global and local clustering behavior and develop efficient inference methods for models using such priors. Performance is demonstrated with synthetic data examples, a public-health application, and an image segmentation task.