Classification with the matrix-variate-t distribution.
Classification with the matrix-variate-t distribution.
复制标题
采用矩阵-变量-t分布进行分类。
DOI：
10.1080/10618600.2019.1696208
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Bastawros AF
中科院分区：
文献类型：
--
作者：
Thompson GZ;Maitra R;Meeker WQ;Bastawros AF
矩阵变量分布可以直观地模拟多变量时间序列、时空或重复测量应用中出现的矩阵值观测的依赖结构。本文提出了一种用于矩阵变量t分布判别分析和分类的期望最大化算法。该方法在模拟数据集上或应用于骨折表面的法医匹配或功能磁共振，卫星或手势图像的分类时显示出希望。
Matrix-variate distributions can intuitively model the dependence structure of matrix-valued observations that arise in applications with multivariate time series, spatio-temporal or repeated measures. This paper develops an Expectation-Maximization algorithm for discriminant analysis and classification with matrix-variate t-distributions. The methodology shows promise on simulated datasets or when applied to the forensic matching of fractured surfaces or the classification of functional Magnetic Resonance, satellite or hand gestures images.
登录
查看更多内容
影响因子：
0.9
作者：
Roy, A;Khattree, R
通讯作者：
Khattree, R
影响因子：
1.6
作者：
Soloveychik, I.;Trushin, D.
通讯作者：
Trushin, D.
DOI：
10.7508/ijmsi.2010.02.004
发表时间：
2010-01-01
影响因子：
0.5
作者：
Iranmanesh, Anis;Arashi, M.;Tabatabaey, S. M. M.
通讯作者：
Tabatabaey, S. M. M.
影响因子：
3.3
作者：
Maitra, R;Roys, SR;Gullapalli, RP
通讯作者：
Gullapalli, RP
DOI：
10.1080/10618600.2018.1476249
发表时间：
2019-01-02
影响因子：
2.4
作者：
Molstad, Aaron J.;Rothman, Adam J.
通讯作者：
Rothman, Adam J.