Functional principal component analysis of aircraft trajectories

Florence Nicol 1, *
* Auteur correspondant
1 MAIAA-PROBA - Equipe MAIAA-PROBA
MAIAA - ENAC - Laboratoire de Mathématiques Appliquées, Informatique et Automatique pour l'Aérien
Abstract : In Functional Data Analysis (FDA), the underlying structure of a raw observation is functional and data are assumed to be sample paths from a single stochastic process. Functional Principal Component Analysis (FPCA) generalizes the standard multivariate Principal Component Analysis (PCA) to the infinite-dimensional case by analyzing the covariance structure of functional data. By approximating infinite-dimensional random functions by a finite number of random score vectors, FPCA appears as a dimension reduction technique just as in the multivariate case and cuts down the complexity of data. This method is applied to aircraft trajectories and the problem of registration is discussed when phase and amplitude variations are mixed.
Type de document :
Communication dans un congrès
ISIATM 2013, 2nd International Conference on Interdisciplinary Science for Innovative Air Traffic Management, Jul 2013, Toulouse, France
Liste complète des métadonnées

Littérature citée [18 références]  Voir  Masquer  Télécharger

https://hal-enac.archives-ouvertes.fr/hal-00867957
Contributeur : Laurence Porte <>
Soumis le : lundi 30 septembre 2013 - 17:31:29
Dernière modification le : vendredi 7 décembre 2018 - 13:08:02
Document(s) archivé(s) le : mardi 31 décembre 2013 - 04:27:52

Fichier

isiatm2013_submission_102.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00867957, version 1

Collections

Citation

Florence Nicol. Functional principal component analysis of aircraft trajectories. ISIATM 2013, 2nd International Conference on Interdisciplinary Science for Innovative Air Traffic Management, Jul 2013, Toulouse, France. 〈hal-00867957〉

Partager

Métriques

Consultations de la notice

326

Téléchargements de fichiers

1182