Эффективная глубинная классификация с помощью проективного инварианта классовой принадлежности

Abstract

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.