Název: Recursive mixture estimation with univariate multimodal Poisson variable
Autoři: Uglickich, Evženie ; Nagy, Ivan
Typ dokumentu: Výzkumné zprávy
Rok: 2022
Jazyk: eng
Edice: Research Report, svazek: 2394
Abstrakt: Analysis of count variables described by the Poisson distribution is required in many application fields. Examples of the count variables observed per a time unit can be, e.g., number of customers, passengers, road accidents, Internet traffic packet arrivals, bankruptcies, virus attacks, etc. If the behavior of such a variable exhibits a multimodal character, the problem of clustering and classification of incoming count data arises. This issue can touch, for instance, detecting clusters of the different behavior of drivers in traffic flow analysis as well as cyclists or pedestrians. This work focuses on the model-based clustering of Poisson-distributed count data with the help of the recursive Bayesian estimation of the mixture of Poisson components. The aim of the work is to explain the methodology in details with an illustrative simple example, so that the work is limited to the univariate case and static pointer.
Klíčová slova: clustering and classification; mixture of Poisson distributions; recursive mixture estimation
Číslo projektu: 8A19009
Poskytovatel projektu: GA MŠk

Instituce: Ústav teorie informace a automatizace AV ČR (web)
Informace o dostupnosti dokumentu: Dokument je dostupný na externích webových stránkách.
Externí umístění souboru: http://library.utia.cas.cz/separaty/2022/ZS/uglickich-0557467.pdf
Původní záznam: http://hdl.handle.net/11104/0331506

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-508593


Záznam je zařazen do těchto sbírek:
Věda a výzkum > AV ČR > Ústav teorie informace a automatizace
Zprávy > Výzkumné zprávy