All

What are you looking for?

All
Projects
Results
Organizations

Quick search

  • Projects supported by TA ČR
  • Excellent projects
  • Projects with the highest public support
  • Current projects

Smart search

  • That is how I find a specific +word
  • That is how I leave the -word out of the results
  • “That is how I can find the whole phrase”

Dimensionality Reduction and Classification using the Distribution Mapping Exponent

The result's identifiers

  • Result code in IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F04%3A00103317" target="_blank" >RIV/67985807:_____/04:00103317 - isvavai.cz</a>

  • Result on the web

  • DOI - Digital Object Identifier

Alternative languages

  • Result language

    angličtina

  • Original language name

    Dimensionality Reduction and Classification using the Distribution Mapping Exponent

  • Original language description

    Probability distribution mapping function, which maps multivariate data distribution to the function of one variable, is introduced. Distribution-mapping exponent (DME) is something like effective dimensionality of multidimensional space. The method forclassification of multivariate data is based on the 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 the DME-th power of these distances can be used as 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.

  • Czech name

    Redukce dimensionality a klasifikace s použitím exponentu mapovací funkce rozdělení

  • Czech description

    Zavádí se mapovací funkce rozdělení, která zobrazuje rozdělení mnohorozměrných dat na funkci jedné proměnné. Exponent mapovací funkce rozdělení (DME) 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 hustotu rozdělení. Kvalita klasifikace byla testována a porovnána s jinými metodami na mnohorozměrných datech z UCI MLR. Metoda nemá žádné nastavovací parametry.

Classification

  • Type

    D - Article in proceedings

  • CEP classification

    BA - General mathematics

  • OECD FORD branch

Result continuities

  • Project

    <a href="/en/project/LN00B096" target="_blank" >LN00B096: Center for Applied Cybernetics</a><br>

  • Continuities

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Others

  • Publication year

    2004

  • Confidentiality

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Data specific for result type

  • Article name in the collection

    ESANN'2004

  • ISBN

    2-930307-04-8

  • ISSN

  • e-ISSN

  • Number of pages

    6

  • Pages from-to

    169-174

  • Publisher name

    dside

  • Place of publication

    Evere

  • Event location

    Bruges

  • Event date

    Apr 28, 2004

  • Type of event by nationality

    EUR - Evropská akce

  • UT code for WoS article