DSpace DSpace UPC
 Català   Castellano   English  

E-prints UPC >
Altres >
Enviament des de DRAC >

Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/2117/9211

Ítem no disponible en accés obert per política de l'editorial

Arxiu Descripció MidaFormat
Dimensionality_reduction.pdf7,14 MBAdobe PDF Accés restringit

Citació: Delicado, P. Dimensionality reduction when data are density functions. "Computational statistics and data analysis", 01 Gener 2011, vol. 55, núm. 1, p. 401-420.
Títol: Dimensionality reduction when data are density functions
Autor: Delicado Useros, Pedro Francisco Veure Producció científica UPC
Data: 1-gen-2011
Tipus de document: Article
Resum: Functional Data Analysis deals with samples where a whole function is observed for each individual. A relevant case of FDA is when the observed functions are density functions. Among the particular characteristics of density functions, the most of the fact that they are an example of infinite dimensional compositional data (parts of some whole which only carry relative information) is made. Several dimensionality reduction methods for this particular type of data are compared: functional principal components analysis with or without a previous data transformation, and multidimensional scaling for different interdensity distances, one of them taking into account the compositional nature of density functions. The emphasis is on the steps previous and posterior to the application of a particular dimensionality reduction method: care must be taken in choosing the right density function transformation and/or the appropriate distance between densities before performing dimensionality reduction; subsequently the graphical representation of dimensionality reduction results must take into account that the observed objects are density functions. The different methods are applied1 to artificial and real data (population pyramids for 223 countries in year 2000). As a global conclusion, the use of multidimensional scaling based on compositional distance is recommended.
ISSN: 0167-9473
URI: http://hdl.handle.net/2117/9211
DOI: doi:10.1016/j.csda.2010.05.008
Versió de l'editor: http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6V8V-504123R-2&_user=1517299&_coverDate=01%2F01%2F2011&_rdoc=36&_fmt=high&_orig=browse&_origin=browse&_zone=rslt_list_item&_srch=doc-info%28%23toc%235880%232011%23999449998%232346738%23FLA%23display%23Volume%29&_cdi=5880&_sort=d&_docanchor=&_ct=82&_acct=C000053450&_version=1&_urlVersion=0&_userid=1517299&md5=9af23d48133c61bf638acecd8935031c&searchtype=a
Apareix a les col·leccions:GREMA - Grup de Recerca en Estadística Matemàtica i les seves Aplicacions. Articles de revista
Departament d'Estadística i Investigació Operativa. Articles de revista
Altres. Enviament des de DRAC
Comparteix:


Stats Mostra les estadístiques d'aquest ítem

SFX Query

Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets.

Per a qualsevol ús que se'n vulgui fer no previst a la llei, dirigiu-vos a: sepi.bupc@upc.edu

 

Valid XHTML 1.0! Programari DSpace Copyright © 2002-2004 MIT and Hewlett-Packard Comentaris
Universitat Politècnica de Catalunya. Servei de Biblioteques, Publicacions i Arxius