Исследование асимптотических свойств непараметрических классификаторов на основе функций глубины

Досліджено непараметричні методи класифікації та їх асимптотичні властивості на основі використання функцій напівпросторової та регресійної глибини, що використовуються для побудови лінійних та нелінійних розділових поверхонь серед конкуруючих множин даних. Запропоновано повністю незалежний від розп...

Повний опис

Збережено в:
Бібліографічні деталі
Опубліковано в: :Проблемы управления и информатики
Дата:2015
Автори: Анисимов, А.В., Галкин, А.А.
Формат: Стаття
Мова:Russian
Опубліковано: Інститут кібернетики ім. В.М. Глушкова НАН України 2015
Теми:
Онлайн доступ:https://nasplib.isofts.kiev.ua/handle/123456789/208026
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:Исследование асимптотических свойств непараметрических классификаторов на основе функций глубины / А.В. Анисимов, А.А. Галкин // Проблемы управления и информатики. — 2015. — № 4. — С. 147-155. — Бібліогр.: 11 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
Опис
Резюме:Досліджено непараметричні методи класифікації та їх асимптотичні властивості на основі використання функцій напівпросторової та регресійної глибини, що використовуються для побудови лінійних та нелінійних розділових поверхонь серед конкуруючих множин даних. Запропоновано повністю незалежний від розподілу підхід, де для мінімізації коефіцієнтів помилкової класифікації застосовується розподільне розташування багатовимірних даних. Nonparametric classification methods are considered as well as their asymptotic properties based on the use of half-space and regression depth functions that are used to build linear and nonlinear separating surfaces between competing sets of data. A fully distribution free approach is proposed where distributive location of multidimensional data is used to minimize misclassification coefficients.
ISSN:0572-2691