New Depth-Based Modification of the k-Nearest Neighbour Method

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989592%3A15310%2F14%3A33158321" target="_blank" >RIV/61989592:15310/14:33158321 - isvavai.cz</a>

Výsledek na webu

<a href="http://www.scionlinepublishing.org/journals/STSA/papers/download/2105-632.pdf" target="_blank" >http://www.scionlinepublishing.org/journals/STSA/papers/download/2105-632.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

New Depth-Based Modification of the k-Nearest Neighbour Method

Popis výsledku v původním jazyce

In this paper, we propse a new depth-based modification of the k-nearest neighbor method. We want to classify a new d-dimensional observation into one of two groups. Newly proposed method is based on the idea that points with similar location with respect to the two considered distributions will have similar depths with respect to the distributions. When classifying a new object, we first calculate its depth to each group of points in the training set (we reduce the dimension: R^d to R^2) and then we can find k-nearest neighbors (points of the training set with similar pair of depths to the considered distributions). Good properties of newly proposed classifier are shown in a short simulation study.

Název v anglickém jazyce

New Depth-Based Modification of the k-Nearest Neighbour Method

Popis výsledku anglicky

In this paper, we propse a new depth-based modification of the k-nearest neighbor method. We want to classify a new d-dimensional observation into one of two groups. Newly proposed method is based on the idea that points with similar location with respect to the two considered distributions will have similar depths with respect to the distributions. When classifying a new object, we first calculate its depth to each group of points in the training set (we reduce the dimension: R^d to R^2) and then we can find k-nearest neighbors (points of the training set with similar pair of depths to the considered distributions). Good properties of newly proposed classifier are shown in a short simulation study.

Druh

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

CEP obor

BA - Obecná matematika

OECD FORD obor

—

Projekt

<a href="/cs/project/EE2.3.20.0170" target="_blank" >EE2.3.20.0170: Budování výzkumně-vzdělávacího týmu v oblasti modelování přírodních jevů a využití geoinformačních systémů, s vazbou na zapojení do mezinárodních sítí a programů.</a><br>

Návaznosti

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

Rok uplatnění

2014

Kód důvěrnosti údajů

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

Název periodika

SOP Transactions on Statistics and Analysis

ISSN

2373-843X

e-ISSN

—

Svazek periodika

1

Číslo periodika v rámci svazku

2

Stát vydavatele periodika

US - Spojené státy americké

Počet stran výsledku

8

Strana od-do

131-138

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—