鼩鼱物种颅牙形态量化的形态测量与功能数据分析的机器学习统一方法
摘要：功能数据分析方法在形态计量学中的应用中提出了一种方法，该方法可以通过图像对三种鼩鼹物种（S. murinus，C. monticola和C. malayana）进行分类。头骨和牙齿的离散地标数据（背部，颌骨和侧面）被转化为连续曲线，其中曲线被表示为基函数的线性组合。在从FDA方法和经典方法（组合所有三个头骨和牙齿视图和单个视图）中获得的预测主成分分数上进行了四种机器学习算法（朴素贝叶斯，支持向量机，随机森林和广义线性模型）的比较研究。与经典方法相比，FDA方法在分离三个鼩鼹物种的三个簇方面产生了更好的结果，并且背部视图在分类三个鼩鼹物种方面提供了最佳表示。总体而言，基于FDA方法，预测的PCA分数的GLM是四种分类模型中最准确的（95.4%的准确率）。
作者：Aneesha Balachandran Pillay, Dharini Pathmanathan, Sophie Dabo-Niang, Arpah Abu, and Hasmahzaiti Omar
论文ID：2302.10792
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2023-02-22