Redukce dimensionality a klasifikace s použitím exponentu mapovací funkce rozdělení

Kód výsledku v 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>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Dimensionality Reduction and Classification using the Distribution Mapping Exponent

Popis výsledku v původním jazyce

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.

Název v anglickém jazyce

Dimensionality Reduction and Classification using the Distribution Mapping Exponent

Popis výsledku anglicky

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.

Druh

D - Stať ve sborníku

CEP obor

BA - Obecná matematika

OECD FORD obor

—

Projekt

<a href="/cs/project/LN00B096" target="_blank" >LN00B096: Výzkumné centrum aplikované kybernetiky</a><br>

Návaznosti

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

Rok uplatnění

2004

Kód důvěrnosti údajů

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

Název statě ve sborníku

ESANN'2004

ISBN

2-930307-04-8

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

169-174

Název nakladatele

dside

Místo vydání

Evere

Místo konání akce

Bruges

Datum konání akce

28. 4. 2004

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—