• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of the royal statistical society >Functional clustering of accelerometer data via transformed input variables
【24h】

Functional clustering of accelerometer data via transformed input variables

机译：通过转换后的输入变量对加速度计数据进行功能聚类

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The paper considers the clustering problem of physical activity data measured by a computerized accelerometer. Classical methods such as K-means clustering and partitioning around medoids are not efficient in handling accelerometer data that are high dimensional with inherent multiscale structures. Existing functional clustering approaches do not naturally utilize the dynamic structures of accelerometer data that may be necessary to form homogeneous clusters in a meaningful way. The paper introduces new input variables for clustering the accelerometer data based on the rank-based transformation and thick pen transformation, which reflect specific structures of the data such as the amount and the pattern of physical activity while preserving a functional form. The clustering methods proposed are obtained by coupling the transformed input variables with functional clustering that considers a marginal representation of the data for building clustering criteria. We suggest several clustering schemes using the proposed methods and apply the schemes to a real data set of 365 subjects. A simulation study is performed to evaluate the empirical performance of the methods proposed, which are shown to be superior to some existing methods.
机译：本文考虑了用计算机加速度计测量的体育活动数据的聚类问题。诸如K均值的聚类和围绕类固醇的分区之类的经典方法在处理具有固有多尺度结构的高维加速度计数据时效率不高。现有的功能聚类方法并不自然地利用加速度计数据的动态结构，而动态结构可能以有意义的方式形成同类聚类。本文介绍了新的输入变量，用于基于基于秩的变换和粗笔变换对聚类的加速度计数据进行聚类，这些变量反映了数据的特定结构，例如体育活动的数量和方式，同时保留了功能形式。提出的聚类方法是通过将转换后的输入变量与考虑构建数据聚类标准的数据的边际表示的函数聚类耦合而获得的。我们建议使用提出的方法的几种聚类方案，并将其应用于365个对象的真实数据集。进行了仿真研究，以评估所提出方法的经验性能，这些方法被证明优于某些现有方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号