Эффективная глубинная классификация с помощью проективного инварианта классовой принадлежности
Предложен новый непараметрический метод DDα-процедура для автоматической классификации на θ ≥ 2 классов по многомерным данным. Классификатор DDα применен на имитационных и реальных данных. Приведено сравнение частоты ошибок при применении DDα и других дискриминантных методов. The DDα-procedure is a...
Gespeichert in:
| Veröffentlicht in: | Управляющие системы и машины |
|---|---|
| Datum: | 2013 |
| Hauptverfasser: | , , |
| Format: | Artikel |
| Sprache: | Russisch |
| Veröffentlicht: |
Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України
2013
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/83143 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | Эффективная глубинная классификация с помощью проективного инварианта классовой принадлежности / Т. Ланге, К. Мослер, П. Можаровский // Управляющие системы и машины. — 2013. — № 2. — С. 47-58. — Бібліогр.: 29 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862531759985393664 |
|---|---|
| author | Ланге, Т. Мослер, К. Можаровский, П. |
| author_facet | Ланге, Т. Мослер, К. Можаровский, П. |
| citation_txt | Эффективная глубинная классификация с помощью проективного инварианта классовой принадлежности / Т. Ланге, К. Мослер, П. Можаровский // Управляющие системы и машины. — 2013. — № 2. — С. 47-58. — Бібліогр.: 29 назв. — рос. |
| collection | DSpace DC |
| container_title | Управляющие системы и машины |
| description | Предложен новый непараметрический метод DDα-процедура для автоматической классификации на θ ≥ 2 классов по многомерным данным. Классификатор DDα применен на имитационных и реальных данных. Приведено сравнение частоты ошибок при применении DDα и других дискриминантных методов.
The DDα-procedure is a nonparametric method for the supervised classification of multidimensional objects originating from θ ≥ 2 classes. The behavior of the DDα-classifier is investigated on the simulated as well as real data. The new procedure outperforms many existing discrimination methods, including SVM, regarding training speed, while its error rate is comparable with those techniques.
Запропоновано новий непараметричний метод DDα-процедура для автоматичної класифікації на θ ≥ 2 класів багатовимірних даних. Класифікатор DDα застосовано до імітаційних та реальних даних. Наведено порівняння частоти помилок при застосуванні DDα та інших дискримінантних методів.
|
| first_indexed | 2025-11-24T05:53:35Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-83143 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 0130-5395 |
| language | Russian |
| last_indexed | 2025-11-24T05:53:35Z |
| publishDate | 2013 |
| publisher | Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України |
| record_format | dspace |
| spelling | Ланге, Т. Мослер, К. Можаровский, П. 2015-06-15T17:10:11Z 2015-06-15T17:10:11Z 2013 Эффективная глубинная классификация с помощью проективного инварианта классовой принадлежности / Т. Ланге, К. Мослер, П. Можаровский // Управляющие системы и машины. — 2013. — № 2. — С. 47-58. — Бібліогр.: 29 назв. — рос. 0130-5395 https://nasplib.isofts.kiev.ua/handle/123456789/83143 004.93 Предложен новый непараметрический метод DDα-процедура для автоматической классификации на θ ≥ 2 классов по многомерным данным. Классификатор DDα применен на имитационных и реальных данных. Приведено сравнение частоты ошибок при применении DDα и других дискриминантных методов. The DDα-procedure is a nonparametric method for the supervised classification of multidimensional objects originating from θ ≥ 2 classes. The behavior of the DDα-classifier is investigated on the simulated as well as real data. The new procedure outperforms many existing discrimination methods, including SVM, regarding training speed, while its error rate is comparable with those techniques. Запропоновано новий непараметричний метод DDα-процедура для автоматичної класифікації на θ ≥ 2 класів багатовимірних даних. Класифікатор DDα застосовано до імітаційних та реальних даних. Наведено порівняння частоти помилок при застосуванні DDα та інших дискримінантних методів. ru Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України Управляющие системы и машины Искусственный интеллект и обработка знаний Эффективная глубинная классификация с помощью проективного инварианта классовой принадлежности The Efficient Depth Based Classification Using a Projective Invariant of a Class Membership Ефективна глибинна класифікація за допомогою проективного інваріанту належності до класу Article published earlier |
| spellingShingle | Эффективная глубинная классификация с помощью проективного инварианта классовой принадлежности Ланге, Т. Мослер, К. Можаровский, П. Искусственный интеллект и обработка знаний |
| title | Эффективная глубинная классификация с помощью проективного инварианта классовой принадлежности |
| title_alt | The Efficient Depth Based Classification Using a Projective Invariant of a Class Membership Ефективна глибинна класифікація за допомогою проективного інваріанту належності до класу |
| title_full | Эффективная глубинная классификация с помощью проективного инварианта классовой принадлежности |
| title_fullStr | Эффективная глубинная классификация с помощью проективного инварианта классовой принадлежности |
| title_full_unstemmed | Эффективная глубинная классификация с помощью проективного инварианта классовой принадлежности |
| title_short | Эффективная глубинная классификация с помощью проективного инварианта классовой принадлежности |
| title_sort | эффективная глубинная классификация с помощью проективного инварианта классовой принадлежности |
| topic | Искусственный интеллект и обработка знаний |
| topic_facet | Искусственный интеллект и обработка знаний |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/83143 |
| work_keys_str_mv | AT langet éffektivnaâglubinnaâklassifikaciâspomoŝʹûproektivnogoinvariantaklassovoiprinadležnosti AT moslerk éffektivnaâglubinnaâklassifikaciâspomoŝʹûproektivnogoinvariantaklassovoiprinadležnosti AT možarovskiip éffektivnaâglubinnaâklassifikaciâspomoŝʹûproektivnogoinvariantaklassovoiprinadležnosti AT langet theefficientdepthbasedclassificationusingaprojectiveinvariantofaclassmembership AT moslerk theefficientdepthbasedclassificationusingaprojectiveinvariantofaclassmembership AT možarovskiip theefficientdepthbasedclassificationusingaprojectiveinvariantofaclassmembership AT langet efektivnaglibinnaklasifíkacíâzadopomogoûproektivnogoínvaríantunaležnostídoklasu AT moslerk efektivnaglibinnaklasifíkacíâzadopomogoûproektivnogoínvaríantunaležnostídoklasu AT možarovskiip efektivnaglibinnaklasifíkacíâzadopomogoûproektivnogoínvaríantunaležnostídoklasu |