Clustering Longitudinal Ordinal Data via Finite Mixture of Matrix-Variate Latent Gaussians

Résumé : Dans les sciences sociales ou la médecine, les études sont souvent basées sur des questionnaires demandant aux participants d'exprimer des réponses ordonnées à plusieurs reprises au cours d'une période d'étude. Nous présentons un modèle pour effectuer un clustering temporel sur ces données. Le modèle repose sur un mélange de distributions normales à variation matricielle, en tenant compte simultanément des structures de dépendance temporelle internes et intermédiaires. Un algorithme MC-EM pour l'estimation du modèle est utilisé. Des applications sur les données synthétiques et réelles sont présentées. Mots-clés. clustering. Données ordinal longitudinales. Tenseurs. Modèle de mélange. Loi gaussienne matricielle.