Canonical Correlation Analysis When the Data are Curves
曲线数据的典型相关分析AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论一般函数数据的典型相关分析并应用于步态曲线，未涉及所列宏观因子、时间序列或金融方向的直接问题。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
曲线数据的典型相关分析
- 研究问题
- 当观测本身是曲线或函数时，直接推广典型相关分析为何会失效？引入平滑后能否得到具有一致性的分析方法？
- 方法与思路
- 作者提出包含平滑步骤的函数型典型相关方法，借助人类步态数据讨论应用，并从实践和理论两方面说明未平滑方法的失效。
- 材料陈述的贡献
- 摘要称，论文展示并理论证明了直接推广方法的失效，同时为所提出的平滑方法证明一致性，提供函数数据分析的可行路径。
- 阅读关注点
- 核对未平滑方法失效的具体含义、平滑算子的构造与参数选择，以及一致性定理针对的对象、范数和样本条件。
- 阅读边界
- 仅据所给 Crossref 摘要；未说明平滑形式、定理条件或步态分析结果，不能判断有限样本稳定性和其他曲线数据的适用性。
原文摘要
SUMMARY It is not immediately straightforward to extend canonical correlation analysis to the context of functional data analysis, where the data are themselves curves or functions. The obvious approach breaks down, and it is necessary to use a method involving smoothing in some way. Such a method is introduced and discussed with reference to a data set on human gait. The breakdown of the unsmoothed method is illustrated in a practical context and is demonstrated theoretically. A consistency theorem for the smoothed method is proved.