通过双分区聚类多元函数数据，允许进行维度选择来研究游泳技术技能
摘要：通过分析惯性测量单元(IMU)记录的多变量功能数据，研究游泳者的技术水平是提高表现的挑战。为了研究自由泳游泳者的技术水平，引入了一种新的基于模型的方法，以获得反映每个游泳者的游泳模式和再现能力的两个互补分区。与通常用于功能数据聚类的方法相反，所提出的方法还考虑了功能基础分解产生的残差信息。事实上，在将原始信号(测量游泳模式)和平方残差的信号(测量再现游泳模式的能力)分解为功能基础之后，该方法通过考虑两个分解相关系数的联合分布来拟合它们之间的依赖关系。对这种依赖关系进行建模是必需的，因为再现游泳模式的难度取决于其形状。此外，提出了分解组件中允许在聚类过程中选择相关维度的稀疏分解。在IMU数据上获得的分区聚合了与游泳技术能力相关的运动学划桨变异性，并允许确定前爬游泳冲刺表现的相关生物力学策略。
作者：Antoine Bouvet, Salima El Kolei, Matthieu Marbac
论文ID：2303.15812
分类：Applications
分类简称：stat.AP
提交时间：2023-03-29