Clustering of bivariate satellite time series: a quantile approach
双变量卫星时间序列聚类：分位数方法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：摘要明确对双变量时间序列采用分位数回归与非对称分布聚类，支持时间序列和分位数方法分类。
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…
双变量卫星时间序列聚类：分位数方法
- 研究问题
- 如何利用双变量时间序列在不同分位水平上的信息进行聚类，从而刻画均值聚类难以充分反映的分布不对称与时间动态？
- 方法与思路
- 作者提出基于分位数回归的模型聚类，以非对称拉普拉斯分布描述类内密度，并通过模拟及卫星营养状态指标展示。
- 材料陈述的贡献
- 摘要称，该方法可在不同分位水平对双变量序列聚类，并用于识别加贝斯湾营养状态相近的区域及其时间动态。
- 阅读关注点
- 应核对双变量依赖和时间依赖如何建模、类数与分位水平的选择，以及非对称拉普拉斯设定和聚类稳定性的评价。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未提供模拟数值或依赖结构，不能判断其相对均值聚类的普遍优势。
原文摘要
Clustering has received much attention in Statistics and Machine learning with the aim of developing statistical models and autonomous algorithms which are capable of acquiring information from raw data in order to perform exploratory analysis.Several techniques have been developed to cluster sampled univariate vectors only considering the average value over the whole period and as such they have not been able to explore fully the underlying distribution as well as other features of the data, especially in presence of structured time series. We propose a model-based clustering technique that is based on quantile regression permitting us to cluster bivariate time series at different quantile levels. We model the within cluster density using asymmetric Laplace distribution allowing us to take into account asymmetry in the distribution of the data. We evaluate the performance of the proposed technique through a simulation study. The method is then applied to cluster time series observed from Glob-colour satellite data related to trophic status indices with aim of evaluating their temporal dynamics in order to identify homogeneous areas, in terms of trophic status, in the Gulf of Gabes.