مدل بندی رگرسیونی شکل از طریق مثلثی کردن

با توجه به تعریف کندال از شکل به عنوان نقطه ای در فضای ابر کره، در این مقاله مدل بندی رگرسیونی شکل در این فضا مورد مطالعه قرار می گیرد. همچنین به منظور سهولت در مدل بندی، روش مثلث بندی شکل با استفاده از دو نقطه شاخص خاص پیشنهاد می شود که عملکرد مناسبی در مقایسه با رویکردهای دیگر دارد. مثلث بندی نه تنها مدل بندی رگرسیونی شکل را آسان می نماید بلکه توانایی بازسازی ساختار هندسی اشیاء با استفاده از ابزارهای ساده محاسباتی را دارد. نوآوری روش پیشنهادی مقاله حاضر در استفاده از متغیر تبینی مبتنی بر شکل اشیاء است که تغییرات هندسی متغیر پاسخ را به خوبی توصیف می کند. مقایسه و ارزیابی روش پیشنهادی با مدل انطباق پروکراستس کامل بر اساس معیار مجموع توان دوم خطا انجام و عملکرد دو مدل در تحلیل داده های پیکربندی جمجمه موش های آزمایشگاهی مورد بررسی قرار می گیرد.

Keywords:

Pherical Regression , Shape Analysis , Triangulation , Procrustes Matching , Non-Euclidean Space. , رگرسیون کروی , آمار شکل , مثلث بندی , انطباق پروکراستس , فضای نااقلیدسی.