<div dir="ltr"><div class="gmail_default" style="font-family:verdana,sans-serif;font-size:small"><div class="gmail_default" style="font-size:small;color:rgb(68,68,68);line-height:1.6">Cari$simos(as),</div><div class="gmail_default" style="font-size:small;color:rgb(68,68,68);line-height:1.6"><br style="line-height:1.6"></div><div class="gmail_default" style="font-size:small;color:rgb(68,68,68);line-height:1.6"><div class="gmail_default" style="font-size:small;line-height:1.6">Seminário em High Dimensional Data</div><div class="gmail_default" style="font-size:small;line-height:1.6">sala 221, quarta-feira as 13hs. IMECC-UNICAMP</div><div class="gmail_default" style="font-size:small;line-height:1.6"><br style="line-height:1.6"></div><div class="gmail_default" style="font-size:small;line-height:1.6">Título: </div><h1 class="gmail-m_-5918859866520025025gmail-m_6863456325191576824gmail-article-header__title" style="font-size:20px;line-height:1.2;margin:0px 0px 0.421em;padding:0px;border:0px;outline:0px;vertical-align:baseline;background-image:initial;background-position:0px 0px;background-size:initial;background-repeat:initial;background-origin:initial;background-clip:initial;color:rgb(0,0,0);clear:left;font-family:"Open Sans",Arial,Helvetica,"Lucida Sans Unicode",sans-serif"><font style="line-height:1.6"><div class="gmail_default" style="font-size:small;line-height:1.6;font-family:verdana,sans-serif;display:inline">​Discussion on ​</div>Unsupervised Curve Clustering<div class="gmail_default" style="font-size:small;line-height:1.6;font-family:verdana,sans-serif;display:inline">​.​</div></font></h1><div class="gmail_default" style="font-size:small;line-height:1.6;display:inline">We'll start discussing the paper of:  Abraham, Cornillon, Matzner-Lober and Molinari. <i style="line-height:1.6">Scandinavian Journal of Statistics</i></div><div style="line-height:1.6;font-family:arial,sans-serif"><div class="gmail_default" style="font-size:small;line-height:1.6;font-family:verdana,sans-serif;display:inline"><br style="line-height:1.6"></div></div><div style="line-height:1.6;font-family:arial,sans-serif"><div class="gmail_default" style="font-size:small;line-height:1.6;font-family:verdana,sans-serif;display:inline">​</div>a<div class="gmail_default" style="font-size:small;line-height:1.6;font-family:verdana,sans-serif;display:inline">​bstract​: </div><br clear="all" style="line-height:1.6"><div style="line-height:1.6"><font face="verdana, sans-serif" style="line-height:1.6"><span style="line-height:1.6;color:rgb(51,51,51);background-color:rgb(249,249,249)">Data in many different fields come to practitioners through a process naturally described as functional. Although data are gathered as finite vector and may contain measurement errors, the functional form have to be taken into account. We propose a clustering procedure of such data emphasizing the functional nature of the objects. The new clustering method consists of two stages: fitting the functional data by B-splines and partitioning the estimated model coefficients using a </span><em style="line-height:1.6;margin:0px;padding:0px;border:0px;outline:0px;vertical-align:baseline;background:0px 0px rgb(249,249,249);color:rgb(51,51,51)">k</em><span style="line-height:1.6;color:rgb(51,51,51);background-color:rgb(249,249,249)">-means algorithm. Strong consistency of the clustering method is proved and a real-world example from food industry is given.</span></font></div></div></div></div><br clear="all"><div><br></div>-- <br><div class="gmail_signature"><div dir="ltr"><div><div>Ronaldo Dias</div>Professor<div>Dept. of Statistics-IMECC, UNICAMP</div><div><a href="http://www.ime.unicamp.br/~dias" target="_blank">www.ime.unicamp.br/~dias</a></div><div><br></div></div></div></div>
</div>