funBIalign: a hierachical algorithm for functional motif discovery based on mean squared residue scores
funBIalign：基于均方残差评分的函数型模式发现层次算法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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要核心是一般函数型数据的模式发现，时间序列仅作为可能输入，尚不足以归入特定计量领域细分。
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…
funBIalign：基于均方残差评分的函数型模式发现层次算法
- 研究问题
- 如何在单条曲线的不同片段或多条未对齐曲线中，发现反复出现的典型形状，并评价这些函数型模式的相似性？
- 方法与思路
- 作者用加性模型定义函数型模式，结合完全链接凝聚层次聚类和基于均方残差评分的函数距离，构造多步骤发现算法。
- 材料陈述的贡献
- 摘要称，funBIalign可发现单曲线和多曲线中的重复模式，并通过模拟比较及食品价格通胀、温度变化案例展示用途。
- 阅读关注点
- 应核对加性模式定义允许哪些形状变化、片段对齐与聚类阈值如何选择，以及模拟比较的评价指标和计算成本。
- 阅读边界
- 这是arXiv预印本，同行评审或接收未核实；摘要未提供统计保证或具体比较结果，不能将模式发现直接解释为经济机制。
原文摘要
Motif discovery is gaining increasing attention in the domain of functional data analysis. Functional motifs are typical "shapes" or "patterns" that recur multiple times in different portions of a single curve and/or in misaligned portions of multiple curves. In this paper, we define functional motifs using an additive model and we propose funBIalign for their discovery and evaluation. Inspired by clustering and biclustering techniques, funBIalign is a multi-step procedure which uses agglomerative hierarchical clustering with complete linkage and a functional distance based on mean squared residue scores to discover functional motifs, both in a single curve (e.g., time series) and in a set of curves. We assess its performance and compare it to other recent methods through extensive simulations. Moreover, we use funBIalign for discovering motifs in two real-data case studies; one on food price inflation and one on temperature changes.