این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
International Journal of Nonlinear Analysis and Applications، جلد ۱۶، شماره ۴، صفحات ۲۷-۳۹
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Static finite mixture model of multivariate skew-normal distributions to cluster multivariatetime series based on generalized autoregressive score approach
چکیده انگلیسی مقاله This paper proposes an observation-driven finite mixture model for clustering high-dimension data. A simple algorithm using static hidden variables statically clusters the data into separate model components. The model accommodates normal and skew-normal distributed mixtures with time-varying component means, covariance matrices and skewness coefficient. These parameters are estimated using the EM algorithm and updated with the Generalized Autoregressive Scale (GAS) approach. Our proposed model is preferably clustered using a skew-normal distribution rather than a normal distribution when dealing with real data that may be skewed and asymmetrical. Finally, our proposed model will be evaluated using a simulation study and the results will be discussed using a real data set.
کلیدواژه‌های انگلیسی مقاله Clustering,finite mixture model,skew normal distribution,generalized autoregressive score,time series
نویسندگان مقاله Solmaz Yaghoubi |
Science and Research Branch, Islamic Azad University, Tehran, Iran

Rahman Farnoosh |
School of Mathematics, Iran University of Science and Technology, Tehran, Iran

نشانی اینترنتی https://ijnaa.semnan.ac.ir/article_8988_ec66dbe218e93f8a2b3d90f957ee0709.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات