Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Convolution-based linear discriminant analysis for functional data classification

Texto completo
Autor(es):
Guzman, Grover E. Castro [1] ; Fujita, Andre [1]
Número total de Autores: 2
Afiliação do(s) autor(es):
[1] Univ Sao Paulo Rua Matao, Inst Math & Stat, Dept Comp Sci, BR-05508090 Sao Paulo, SP - Brazil
Número total de Afiliações: 1
Tipo de documento: Artigo Científico
Fonte: INFORMATION SCIENCES; v. 581, p. 469-478, DEC 2021.
Citações Web of Science: 0
Resumo

Technological advances have allowed for the rise red in more reliable and less expensive sensors to collect data over time (e.g., on temperature, heartbeat, and neural activity). Consequently, mathematical methods to examine these time series data have become necessary. One topic of intensive research in time series analysis is supervised classification. For example, biomedical researchers are interested in classifying controls versus people with heart disorders based on electrocardiograms. Several works have adapted Fisher's linear discriminant analysis (LDA) to work with functional data. However, they have poor performance when a multiplicative random effect model generates the time series; they do not exploit the periodicity of the data. To solve this problem, we propose convolution based linear discriminant analysis (cLDA). Different from the standard LDA that projects the data into a lower space, cLDA obtains filters. To show the performance of cLDA, we compared it to state-of-the-art methods in simulated and 12 empirical datasets. cLDA obtained the lowest classification error rate on average. It showed the ability to classify real-world time series. (c) 2021 Elsevier Inc. All rights reserved. (AU)

Processo FAPESP: 18/17996-5 - Estratificação de desordens psiquiátricas utilizando análises discriminante e de agrupamento para redes
Beneficiário:André Fujita
Linha de fomento: Bolsas no Exterior - Pesquisa
Processo FAPESP: 18/21934-5 - Estatística de redes: teoria, métodos e aplicações
Beneficiário:André Fujita
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 20/01479-1 - Classificação de estados do corpo/mente para uma interface homem-máquina baseada na variabilidade da frequência cardíaca
Beneficiário:André Fujita
Linha de fomento: Auxílio à Pesquisa - Programa eScience e Data Science - Regular