1. 多元函数型数据 multivariate functional data
   1. 目的与主要作用：用于研究多个变量之间的相互依赖关系以及统 计规律
   2. 多个领域（角度）（多元）
   3. 降维方法
      1. 主成分分析（PCA）
         1. 多元函数主成分分析
            1. 1628045933444700.pdf
            2. 1.对样本数据集进行B样条基展开处理，得到函数曲线
            3. 2.在函数曲线上进行采样，得到新数据集。采样点尽可能密集，提高函数主成分的精度。
            4. 3.对新数据集进行标准化，消除不同变量之间量 纲的影响。
            5. 4.完成数据标准化后，采用多元函数主成分分析 的数值计算方法，得到多元函数主成分的特征 值、特征向量以及各主成分得分。
            6. 多元函数主成分分析 的数值计算方法
            7. 数据收集
            8. 函数中心化
            9. 计算协方差函数
            10. 特征值分解
            11. 选择主成分（降维）
            12. 累积贡献率
            13. 重建数据
            14. 可视化和分析
            15. 5.将各主成分特征向量平滑处理得到多元主成分函数
            16. 粗糙惩罚
            17. L1正则化（Lasso）
            18. L2正则化（Ridge）
      2. 典型相关分析（CCA）
         1. 函数型典型相关分析 Functional Canonical Correlation Analysis (FCCA)
            1. 需要密集记录的函数型数据
            2. 稀疏记录（Sparsely Recorded）
            3. 对于稀疏的函数型数据如何找到一个有效的FCCA？
            4. annurev-statistics.pdf
            5. 密集记录（Densely Recorded）
            6. 如何判断？
            7. 数据的连续性
            8. 数据的完整性
            9. 数据密度分析
            10. 光滑性分析
            11. 统计分析
            12. 自相关和互相关分析
            13. K近邻方法
            14. 密度估计方法
            15. https://www.cnblogs.com/pinard/p/6288716.html
      3. Fisher判别分析（DCA）
         1. 类间间隔最大化
         2. 类内方差最小化
         3. 散布矩阵
            1. 类内
            2. 类间
         4. 广义瑞利商（generalized Rayleigh quotient）
         5. 降维
2. 纵向函数型数据 longitudinal functional data
   1. 数据结构
3. 函数型时间序列 functional time series
4. 维度诅咒
5. 空间函数型数据 spatially functional data
   1. 空间变异性聚类
   2. 复杂和空间相关的功能数据