平面Kendall形状空间的外蕴核岭回归分类器
机器学习
2020-10-02 v2 机器学习
摘要
核方法在统计学与机器学习中取得了巨大成功。然而，尽管其日益流行，由于非欧几何处理的困难，针对黎曼流形上基于核的分类方法的开发较少受到关注。本文受流形值数据分析外蕴框架的启发，在平面Kendall形状空间上提出一种新的正定核，称为外蕴Veronese Whitney高斯核。我们表明该方法可推广至在任何嵌入流形上构建高斯核。此外，实现了核岭回归分类器（KRRC）以解决上的形状分类问题，并通过真实数据分析展示了其良好性能。
引用
@article{arxiv.1912.08202,
title = {Extrinsic Kernel Ridge Regression Classifier for Planar Kendall Shape Space},
author = {Hwiyoung Lee and Vic Patrangenaru},
journal= {arXiv preprint arXiv:1912.08202},
year = {2020}
}