...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>South African statistical journal >ROBUST KERNEL FISHER DISCRIMINANT ANALYSIS WITH WEIGHTED KERNELS
【24h】

ROBUST KERNEL FISHER DISCRIMINANT ANALYSIS WITH WEIGHTED KERNELS

机译：加权核的鲁棒核鱼区分判别分析

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Kernel Fisher discriminant analysis (KFDA) is a very popular kernel classification technique that performs well in situations where linear classifiers fail. The performance of the KFD classifier is however adversely affected by outliers or noise in the data. In this paper we propose a more robust KFD classifier by making use of weighted kernels. The performance of the proposed classifiers is compared to that of the KFD classifier with a Gaussian kernel in Monte Carlo simulation studies as well as on several benchmark data sets. Based on the results we conclude that the proposed weighted kernels are successful in achieving a lower error rate than the Gaussian kernel when used in a KFD classifier.
机译：费舍尔判别分析（KFDA）是一种非常流行的内核分类技术，在线性分类器失败的情况下表现良好。但是，KFD分类器的性能会受到异常值或数据中的噪声的不利影响。在本文中，我们提出了一种利用加权核的更健壮的KFD分类器。在蒙特卡洛模拟研究以及在一些基准数据集上，将提出的分类器的性能与具有高斯核的KFD分类器的性能进行了比较。基于结果，我们得出结论，当在KFD分类器中使用时，所提出的加权内核可以成功实现比高斯内核更低的错误率。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号