E. Frutos Bernal, E. Ceulemans, P. Galindo-Villardón, T. Wilderjans
En diversas áreas científicas, los investigadores buscan comprender procesos clave mediante el análisis conjunto de bloques de datos con información sobre aspectos comunes. Este enfoque, conocido como data fusion, implica trabajar con bloques heterogéneos de distinta naturaleza y origen medidos sobre las mismas unidades.
El objetivo es identificar la estructura conjunta subyacente a los bloques acoplados. Se propone una estrategia de fusión basada en la factorización de cada bloque mediante métodos como PARAFAC, Tucker3 o PCA, imponiendo que los parámetros del modo común —estimados a partir de la información compartida— sean iguales para los bloques que lo comparten.
Como ejemplo, se presenta el modelo Tucker3-PCA, que combina un array tridimensional con una matriz bidimensional de datos reales que comparten un único modo. Este modelo, ajustado con un algoritmo de mínimos cuadrados alternados, se evalúa mediante simulación y se aplica en un caso práctico en psicología.
Palabras clave: coupled/linked data; data fusion, multiblock multiway data analysis, PCA, Tucker3
Programado
Análisis Multivariante
12 de junio de 2025 19:00
MR 1