Дослiдження непараметричних класифiкаторiв максимальної глибини на основi просторових квантилiв
Vernadsky National Library of Ukraine
Переглянути архів Інформація| Поле | Співвідношення | |
| Title |
Дослiдження непараметричних класифiкаторiв максимальної глибини на основi просторових квантилiв
|
|
| Creator |
Галкiн, О.А.
|
|
| Subject |
Iнформатика та кiбернетика
|
|
| Description |
Запропоновано непараметричний пiдхiд до розв’язання задач розпiзнавання, коли роздiловi поверхнi не можуть ефективно апроксимуватися скiнченновимiрними параметричними лiнiйними або квадратичними функцiями. Пiдхiд грунтується на використаннi функцiї просторової глибини, що є обчислювально дешевшою та може застосовуватися для задач розпiзнавання в нескiнченновимiрних гiльбертових просторах. Побудовано глибинний класифiкатор на основi концепцiї просторових квантилiв та дослiджено його властивостi оптимальностi у випадку, коли апостерiорнi ймовiрностi конкуруючих елiптичних множин є рiвними. Дослiджено рiвномiрну збiжнiсть функцiї просторової глибини та обчислено оцiнки ефективностi класифiкаторiв максимальної глибини. Предложен непараметрический подход к решению задач распознавания, когда разделительные поверхности не могут эффективно аппроксимироваться конечномерными параметрическими линейными или квадратичными функциями. Подход основан на использовании функции пространственной глубины, которая является вычислительно дешевле и может применяться для задач распознавания в бесконечномерном гильбертовом пространстве. Построен глубинный классификатор на основе концепции пространственных квантилей, а также исследованы его свойства оптимальности в случае, когда апостериорные вероятности конкурирующих эллиптических множеств равны. Исследована равномерная сходимость функции пространственной глубины, а также рассчитаны оценки эффективности классификаторов максимальной глубины. A nonparametric approach is proposed to solve the recognition problems, when separating surfaces cannot effectively be approximated by finite-parametric linear or quadratic functions. The approach is based on a function of the spatial depth, which is computationally less expensive and can be used for pattern recognition problems in an infinite-dimensional Hilbert space. A depth-based classifier is built on the basis of the concept of spatial quantiles. The properties of optimality are investigated in the case where the a posteriori probabilities of competing elliptical sets are equal. The uniform convergence of the spatial depth function is studied, and the estimates of the effectiveness of maximum depth classifiers are calculated. |
|
| Date |
2016-04-01T13:43:24Z
2016-04-01T13:43:24Z 2015 |
|
| Type |
Article
|
|
| Identifier |
Дослiдження непараметричних класифiкаторiв максимальної глибини на основi просторових квантилiв / О.А. Галкiн // Доповiдi Нацiональної академiї наук України. — 2015. — № 10. — С. 21-26. — Бібліогр.: 11 назв. — укр.
1025-6415 http://dspace.nbuv.gov.ua/handle/123456789/97734 519.7 |
|
| Language |
uk
|
|
| Relation |
Доповіді НАН України
|
|
| Publisher |
Видавничий дім "Академперіодика" НАН України
|
|