Abstract
Most of the research on discrimination and classification analysis has been directed to the situation where the data consist of independent observations. However, it is often the case in practice that a dependence structure between objects does exist, in particular, for the time series data. This article is handling such a case and is concerned with the problem of classifying new object when the dependence can be modelled by a discrete time series via conditional autologistic transition probability.
일반적인 판별분류분석은 자료점들간의 독립성 가정을 기본 전제로 한다. 본 연구에서는 자료점 간의 종속구조를 반영하는 판별분류기준을 제안하였으며 이를 위하여 조건부 자기 로지스틱(conditional autologistic) 모형을 이용하였다. 또한 모의실험을 통해 제시된 기준을 기존의 방법과 비교하였다.