Accéder directement au contenu Accéder directement à la navigation
Communication dans un congrès

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.
Type de document :
Communication dans un congrès
Liste complète des métadonnées

https://hal.univ-lyon2.fr/hal-03657066
Contributeur : Francesco Amato Connectez-vous pour contacter le contributeur
Soumis le : lundi 2 mai 2022 - 15:53:21
Dernière modification le : samedi 24 septembre 2022 - 12:04:06
Archivage à long terme le : : mercredi 3 août 2022 - 19:06:20

Fichier

JdS.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-03657066, version 1

Collections

Citation

Francesco Amato, Julien Jacques. Clustering Longitudinal Ordinal Data via Finite Mixture of Matrix-Variate Latent Gaussians. 53émes Journées de Statistique, Jun 2022, Lyon, France. ⟨hal-03657066⟩

Partager

Métriques

Consultations de la notice

21

Téléchargements de fichiers

40