基于代理密度的希尔伯特数据分类方法
统计方法学
2016-03-30 v2 应用统计
统计计算
摘要
本文研究了针对希尔伯特随机曲线的无监督和 supervised 分类方法。两者都依赖于概率密度的代理，该代理在无分布混合背景下由小球概率的渐近分解定义。该代理密度通过数据的 principal components 采用核方法进行估计。重点在于阐述分类算法及其计算含义，并特别关注所涉及参数的调整。文中概述了一些渐近结果。在模拟和真实数据集上的应用展示了所提出方法的效果。
引用
@article{arxiv.1506.03571,
title = {Classification methods for Hilbert data based on surrogate density},
author = {Enea G. Bongiorno and Aldo Goia},
journal= {arXiv preprint arXiv:1506.03571},
year = {2016}
}
备注
33 pages, 11 figures, 6 tables