Parametric and Nonparametric Inference for Statistical Dynamic Shape Analysis with Applications

دسته بندی: آمار ریاضی
ویرایش: 1 
نویسندگان: Chiara Brombin,  Luigi Salmaso,  Lara Fontanella,  Luigi Ippoliti,  Caterina Fusilli (auth.)  
سری: SpringerBriefs in Statistics 
ISBN (شابک) : 9783319263106, 9783319263113 
ناشر: Springer International Publishing 
سال نشر: 2016 
تعداد صفحات: 120 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت 

قیمت کتاب (تومان) : 39,000



این کتاب با تلاش برای حل مسائل موجود با استفاده از مدل‌های احتمال و آزمون‌های ناپارامتریک، مسائل استنتاجی خاصی را که از تجزیه و تحلیل اشکال پویا ناشی می‌شود، در نظر می‌گیرد. مدل‌ها برای درک و تفسیر ساده هستند و ابزار مفیدی برای توصیف پویایی جهانی پیکربندی‌های شاخص ارائه می‌دهند. با این حال، به دلیل ماهیت غیر اقلیدسی فضاهای شکل، توزیع در فضاهای شکل ساده نیست.

این کتاب به بررسی استفاده از توزیع گاوسی در فضای پیکربندی، با تبدیل‌های شباهت ادغام شده می‌پردازد. به طور خاص، با توزیع شکل افست-عادی به عنوان یک مدل احتمال برای استنتاج آماری روی نمونه‌ای از یک دنباله زمانی از پیکربندی‌های شاخص کار می‌کند. این امکان استنتاج فرآیندهای گاوسی از پیکربندی‌ها تا فضای شکل را فراهم می‌آورد.

این کتاب به دو بخش تقسیم شده است که سه فصل اول موادی را در مورد توزیع شکل عادی-تعادل پوشش می‌دهد و فصل‌های باقی‌مانده نظریه ترکیب ناپارامتری را پوشش می‌دهد. تست های (NPC) فصل‌ها مجموعه‌ای از برنامه‌های کاربردی را ارائه می‌دهند که با موضوع این کتاب به هم متصل شده‌اند.

آنها به تجزیه و تحلیل داده‌های پایگاه داده FG-NET (شبکه تحقیقاتی تشخیص چهره و ژست‌ها) با حالات چهره. برای این داده ها، ممکن است مطلوب باشد که توصیفی از پویایی عبارات ارائه شود، یا آزمایش شود که آیا تفاوتی بین پویایی دو حالت چهره وجود دارد یا اینکه آزمایش کنید که کدام یک از نشانه ها در توضیح الگوی یک بیان آموزنده تر هستند.

This book considers specific inferential issues arising from the analysis of dynamic shapes with the attempt to solve the problems at hand using probability models and nonparametric tests. The models are simple to understand and interpret and provide a useful tool to describe the global dynamics of the landmark configurations. However, because of the non-Euclidean nature of shape spaces, distributions in shape spaces are not straightforward to obtain.

The book explores the use of the Gaussian distribution in the configuration space, with similarity transformations integrated out. Specifically, it works with the offset-normal shape distribution as a probability model for statistical inference on a sample of a temporal sequence of landmark configurations. This enables inference for Gaussian processes from configurations onto the shape space.

The book is divided in two parts, with the first three chapters covering material on the offset-normal shape distribution, and the remaining chapters covering the theory of NonParametric Combination (NPC) tests. The chapters offer a collection of applications which are bound together by the theme of this book.

They refer to the analysis of data from the FG-NET (Face and Gesture Recognition Research Network) database with facial expressions. For these data, it may be desirable to provide a description of the dynamics of the expressions, or testing whether there is a difference between the dynamics of two facial expressions or testing which of the landmarks are more informative in explaining the pattern of an expression.

Front Matter....Pages i-x
Front Matter....Pages 1-1
Basic Concepts and Definitions....Pages 3-13
Shape Inference and the Offset-Normal Distribution....Pages 15-31
Dynamic Shape Analysis Through the Offset-Normal Distribution....Pages 33-56
Front Matter....Pages 57-57
Parametric and Non-parametric Testing of Mean Shapes....Pages 59-72
Applications of NPC Methodology....Pages 73-103
Back Matter....Pages 105-115