Integrated data depth for smooth functions and its application in supervised classification

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F15%3A10314013" target="_blank" >RIV/00216208:11320/15:10314013 - isvavai.cz</a>

Výsledek na webu

<a href="http://link.springer.com/article/10.1007%2Fs00180-015-0566-x" target="_blank" >http://link.springer.com/article/10.1007%2Fs00180-015-0566-x</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/s00180-015-0566-x" target="_blank" >10.1007/s00180-015-0566-x</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Integrated data depth for smooth functions and its application in supervised classification

Popis výsledku v původním jazyce

This paper concerns depth functions suitable for smooth functional data. We suggest a modification of the integrated data depth that takes into account the shape properties of the functions. This is achieved by including a derivative(s) into the definition of the suggested depth measures. We then further investigate the use of integrated data depths in supervised classification problems. The performances of classification rules based on different data depths are investigated, both in simulated and realdata sets. As the proposed depth function provides a natural alternative to the depth function based on random projections, the difference in the performances of these two methods are discussed in more detail.

Název v anglickém jazyce

Integrated data depth for smooth functions and its application in supervised classification

Popis výsledku anglicky

This paper concerns depth functions suitable for smooth functional data. We suggest a modification of the integrated data depth that takes into account the shape properties of the functions. This is achieved by including a derivative(s) into the definition of the suggested depth measures. We then further investigate the use of integrated data depths in supervised classification problems. The performances of classification rules based on different data depths are investigated, both in simulated and realdata sets. As the proposed depth function provides a natural alternative to the depth function based on random projections, the difference in the performances of these two methods are discussed in more detail.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

BA - Obecná matematika

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2015

Kód důvěrnosti údajů

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

Název periodika

Computational Statistics

ISSN

0943-4062

e-ISSN

—

Svazek periodika

30

Číslo periodika v rámci svazku

4

Stát vydavatele periodika

DE - Spolková republika Německo

Počet stran výsledku

21

Strana od-do

1011-1031

Kód UT WoS článku

000365720500005

EID výsledku v databázi Scopus

2-s2.0-84948718197