Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Odhad hustoty pravděpodobnosti rozkladem korelačního integrálu

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F08%3A00310679" target="_blank" >RIV/67985807:_____/08:00310679 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Probability Density Estimation by Decomposition of Correlation Integral

  • Popis výsledku v původním jazyce

    We show that correlation integral can be decomposed into functions each related to particular point of data space. For these functions one can use similar polynomial approximations as for the correlation integral. Essential difference is that value of exponent, which would correspond to correlation dimension, differs in accordance to position of point in question. Moreover we show that multiplicative constant represents probability density estimation at that point. This finding is used for constructionof a classifier. Tests with some data sets from Machine Learning Repository shows that this classifier can be very effective.

  • Název v anglickém jazyce

    Probability Density Estimation by Decomposition of Correlation Integral

  • Popis výsledku anglicky

    We show that correlation integral can be decomposed into functions each related to particular point of data space. For these functions one can use similar polynomial approximations as for the correlation integral. Essential difference is that value of exponent, which would correspond to correlation dimension, differs in accordance to position of point in question. Moreover we show that multiplicative constant represents probability density estimation at that point. This finding is used for constructionof a classifier. Tests with some data sets from Machine Learning Repository shows that this classifier can be very effective.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    BA - Obecná matematika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2008

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Artificial Intelligence and Pattern Recognition

  • ISBN

    978-1-60651-000-1

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    7

  • Strana od-do

  • Název nakladatele

    ISRST

  • Místo vydání

    -

  • Místo konání akce

    Orlando

  • Datum konání akce

    7. 7. 2008

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku