正則化基底展開法に基づく関数主成分分析とその応用 Functional Principal Component Analysis via Regularized Basis Expansion and Its Application

この論文にアクセスする

この論文をさがす

著者

抄録

各個体を特徴づける複数の特性に対する離散時点観測データを関数化処理して得られる,多次元の関数データ集合に基づく主成分分析を考える.関数化に対しては,主として,フーリエ級数やB-スプライン関数による基底展開法が用いられているが,本論文では,基底関数としてガウス型動径基底関数を用いた関数主成分分析を提案する.また,適用例としてタンパク質の立体構造データを取り上げ,提案手法による主成分プロットと従来の生物学的な分類の対応を検証する.

Recently, functional data analysis (FDA) has received considerable attention in various fields and a number of successful applications have been reported (see, e.g., Ramsay and Silverman (2005)). The basic idea behind FDA is the expression of discrete observations in the form of a function and the drawing of information from a collection of functional data by applying concepts from multivariate data analysis.<BR>There are some reports discussing principal component analysis for functional data. We introduce the regularized functional principal component analysis for multi-dimensional functional data set, using Gaussian radial basis functions.<BR>The use of the proposed method is illustrated through the analysis of the three-dimensional (3D) protein structural data by converting the 3D protein data to the 3-dimensional functional data set. The visual inspection showed that the PC (principal component) plot mostly coincided with the biological classification.

収録刊行物

  • 応用統計学  

    応用統計学 35(1), 1-16, 2006-07-30 

    Japanese Society of Applied Statistics

参考文献:  17件

参考文献を見るにはログインが必要です。ユーザIDをお持ちでない方は新規登録してください。

各種コード

  • NII論文ID(NAID)
    10018231100
  • NII書誌ID(NCID)
    AN00330942
  • 本文言語コード
    JPN
  • 資料種別
    ART
  • ISSN
    02850370
  • NDL 記事登録ID
    8054698
  • NDL 雑誌分類
    ZM31(科学技術--数学)
  • NDL 請求記号
    Z15-401
  • データ提供元
    CJP書誌  NDL  J-STAGE 
ページトップへ