基于数据变换的强尖峰特征值模型距离分类器
机器学习
2017-10-31 v1
摘要
我们考虑在强尖峰特征值（SSE）模型下的高维数据分类器。我们首先说明高维数据常常具有 SSE 模型。我们考虑一种利用 SSE 模型特征结构的距离分类器。我们将噪声降低方法应用于 SSE 模型中特征值和特征向量的估计。我们通过将 SSE 模型的数据变换为非 SSE 模型来创建一种新的距离分类器。我们给出了模拟研究并讨论了新分类器的性能。最后，我们使用微阵列数据集演示了新分类器。
引用
@article{arxiv.1710.10768,
title = {Distance-based classifier by data transformation for high-dimension, strongly spiked eigenvalue models},
author = {Makoto Aoshima and Kazuyoshi Yata},
journal= {arXiv preprint arXiv:1710.10768},
year = {2017}
}
备注
29 pages, 4 figures