主要最適輸送方向を用いた分類のための十分な次元縮小【JST・京大機械翻訳】

Meng Cheng; Yu Jun; Zhang Jingyi; Ma Ping; Zhong Wenxuan

プレプリント

J-GLOBAL ID：202202208268154897 整理番号：21P0055410

主要最適輸送方向を用いた分類のための十分な次元縮小【JST・京大機械翻訳】

Sufficient dimension reduction for classification using principal optimal transport direction

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年10月19日プレプリントサーバーでの情報更新日： 2021年02月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

十分な次元縮小は,教師つき次元縮小アプローチとして普及する。ほとんどの既存の十分な次元縮小法を,連続応答を持つデータに対して開発し,特にバイナリ応答に対して,カテゴリ応答に対して不満足な性能を有する。この問題に取り組むために,最適輸送を用いた十分な次元縮小部分空間(SDR部分空間)の新しい推定法を提案した。主最適輸送方向(POTD)と名付けた提案方法は,異なる応答カテゴリーに関するデータ間の最適輸送結合の主要な方向を用いてSDR部分空間の基礎を推定する。また,提案方法は,3つの外見上無関係な話題,すなわち,十分な次元縮小,サポートベクターマシン,および最適輸送の間の関係を明らかにする。POTDの漸近特性を研究し,クラスラベルが誤差を含まない場合,POTDはSDR部分空間を排他的に推定することを示した。経験的研究は,POTDが最先端の線形次元縮小法の大部分より優れていることを示した。【JST・京大機械翻訳】

, ,
, , , 【Automatic Indexing@JST】

人工知能 , システム・制御理論一般

, ,

前のページに戻る