Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

The Huber's functions and their application to a classification problem

Gacki Henryk, Kulawik Agnieszka

Mathematica Applicanda

2020

Vol. 48, no. 2

99--114

In the following paper a classification problem with two multivariate normally distributed classes is considered. The problem is solved in a case of an empirical real situation (a motors data) using the Karhunen-Loeve transform and classifying functions based on estimators for unknown parameters of a multivariate normal distribution. We consider the maximum likelihood estimator and a robust one. The robust estimator bases on the Huber's functions. The corresponding classifying functions (classifiers) are compared using the Leave-One-Out metod.

W artykule rozważany jest problem klasyfikacji w przypadku dwóch klas o wielowymiarowym rozkładzie normalnym. Problem ten jest rozwiązywany na podstawie przykładu empirycznego (dane dotyczące silników) z wykorzystaniem transformacji Karhunena-Loevego oraz funkcji klasyfikujących bazujących na wybranych estymatorach nieznanych parametrów wielowymiarowego rozkładu normalnego. Rozważany jest zarówno klasyczny estymator - estymator największej wiarogodności, jak również estymator odporny, który opiera się o funkcje Hubera. Uzyskane klasyfikatory są porównywane za pomocą sprawdzianu krzyżowego - metoda Leave-One-Out.

Robust estimation and its application to a classification problem

Gacki Henryk, Kulawik Agnieszka

Mathematica Applicanda

2019

Vol. 47, no. 2

231--243

In the article a classification problem with two normally distributed classes is considered. The problem is solved using empirical discriminant functions for a Gaussian classifier and estimators for unknown parameters of the multivariate normal distribution. The following estimators will be considered: the maximum likelihood estimator (MLE), the Kulawik-Zontek estimator (KZE) and the minimum covariance determinant estimator (MCDE). Classifiers based on MLE and KZE will be compared in case of an empirical example (small sample). For large sample classifiers based on MLE, KZE and MCDE will be used.

W artykule omówiono problem klasyfikacji dla dwóch klas w przypadku przyjęcia założenia, że rozkłady cech w klasach są wielowymiarowymi rozkładami normalnymi. Problem rozwiązano za pomocą empirycznego klasyfikatora gaussowskiego i wybranych estymatorów nieznanych parametrów wielowymiarowego rozkładu normalnego. Uwzględnione zostały następujące estymatory: MLE, KZE (Kulawik-Zontek estimator) i MCDE (the minimum covariance determinant estimator). Klasyfikatory oparte o MLE i KZE zostały porównane w przypadku przykładu empirycznego (mała próba). W przypadku dużych prób porównane zostały klasyfikatory oparte o trzy wspomniane estymatory.