Počet záznamů: 1  

Distribution Mapping Exponent for Multivariate Data Classification

  1. 1.
    0105264 - UIVT-O 20040255 RIV US eng C - Konferenční příspěvek (zahraniční konf.)
    Jiřina, Marcel
    Distribution Mapping Exponent for Multivariate Data Classification.
    [Exponent mapovací funkce rozdělení pro klasifikace mnohorozměrných dat.]
    Computer Science and Engineering. Vol. 5. Orlando: IIIS, 2004 - (Callaos, N.; Lesso, W.; Kurogi, S.; Tanaka, A.; Castillo, O.), s. 103-108. ISBN 980-6560-13-2.
    [SCI 2004. World Multi-Conference on Systemics, Cybernetics and Informatics /8./. Orlando (US), 18.07.2004-21.07.2004]
    Grant CEP: GA MŠMT LN00B096
    Klíčová slova: distribution-mapping exponent * effective dimensionality * multivariate data * local estimate * classification
    Kód oboru RIV: BA - Obecná matematika

    Distribution-mapping exponent (DME) that is something like effective dimensionality of multidimensional space is introduced. The method for classification of multivariate data is based on local estimate of distribution mapping exponent for each point. Distances of all points of a given class of the training set from a given (unknown) point are searched and it is shown that the sum of reciprocals of DME-th power of these distances can be used as the probability density estimate. The classification quality was tested and compared with other methods using multivariate data from UCI Machine Learning Repository. The method has no tuning parameters.

    Zavádí se exponent mapovací funkce rozdělení (DME), který je něco jako efektivní dimensionalita mnohorozměrného prostoru. Metoda pro klasifikaci mohorozměrných dat je založena na lokálním odhadu tohoto exponentu. Vyhledávají se vzdálenosti všech bodů dané třídy z trénovací množiny od daného bodu (neznámé třídy) a ukazuje se, že součet převrácených hodnot umocněných na DME lze použít pro odhad hustoty rozdělení. Kvalita klasifikace byla testována a porovnána s jinými metodami na mnohorozměrných datech z UCI MLR. Metoda nemá žádné nastavovací parametry.
    Trvalý link: http://hdl.handle.net/11104/0012511

     
    Název souboruStaženoVelikostKomentářVerzePřístup
    0105264.pdf0674.8 KBAutorský preprintpovolen
     
Počet záznamů: 1  

  Tyto stránky využívají soubory cookies, které usnadňují jejich prohlížení. Další informace o tom jak používáme cookies.