論文の概要: Unequal Covariance Awareness for Fisher Discriminant Analysis and Its Variants in Classification

• arxiv url: http://arxiv.org/abs/2205.13565v1
• Date: Thu, 26 May 2022 18:08:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-05 08:48:00.289496
• Title: Unequal Covariance Awareness for Fisher Discriminant Analysis and Its Variants in Classification
• Title（参考訳）: 漁業の判別分析における不平等共分散意識とその分類における変異
• Authors: Thu Nguyen, Quang M. Le, Son N.T. Tu, Binh T. Nguyen
• Abstract要約: 我々はこの事実を考慮に入れたFDAの新しい分類規則を提案する。 分類規則の変更のみを行うため、多くのFDA変異体にも適用することができる。 我々は,従来のアルゴリズムと比較して,新しい分類規則に基づく改良アルゴリズムの優れた性能を示す。
• 参考スコア（独自算出の注目度）: 2.597151774317691
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Fisher Discriminant Analysis (FDA) is one of the essential tools for feature extraction and classification. In addition, it motivates the development of many improved techniques based on the FDA to adapt to different problems or data types. However, none of these approaches make use of the fact that the assumption of equal covariance matrices in FDA is usually not satisfied in practical situations. Therefore, we propose a novel classification rule for the FDA that accounts for this fact, mitigating the effect of unequal covariance matrices in the FDA. Furthermore, since we only modify the classification rule, the same can be applied to many FDA variants, improving these algorithms further. Theoretical analysis reveals that the new classification rule allows the implicit use of the class covariance matrices while increasing the number of parameters to be estimated by a small amount compared to going from FDA to Quadratic Discriminant Analysis. We illustrate our idea via experiments, which show the superior performance of the modified algorithms based on our new classification rule compared to the original ones.
• Abstract（参考訳）: Fisher Discriminant Analysis (FDA) は特徴抽出と分類に不可欠なツールの1つである。 さらに、さまざまな問題やデータタイプに適応するため、FDAに基づく多くの改良された技術の開発も動機付けている。 しかし、これらのアプローチは、fdaにおける等分散行列の仮定が通常現実の状況では満たされないという事実を利用しない。 そこで本研究では,FDAにおける非等質共分散行列の効果を緩和する,この事実を考慮に入れた新しいFDA分類規則を提案する。 さらに,分類規則の修正のみを行うため,多くのfda変種にも適用可能であり,これらのアルゴリズムをさらに改良する。 理論的分析により、新しい分類規則はクラス共分散行列を暗黙的に使用することができる一方で、FDAから準判別分析へ移行する際のパラメータの数を少量に増やすことが判明した。 そこで本研究では,新しい分類規則に基づく修正アルゴリズムの性能を示す実験を通して,本手法の有効性を示す。

関連論文リスト

• Discriminator-free Unsupervised Domain Adaptation for Multi-label Image Classification [11.825795835537324]
  マルチラベル画像分類(MLIC)のための識別器レス逆数型Unminator Domain Adaptation (UDA)を提案する。 提案手法は,3種類の領域シフトを対象とする複数ラベル画像データセットを用いて評価する。
  論文  参考訳（メタデータ） (2023-01-25T14:45:13Z)
• Parametric Classification for Generalized Category Discovery: A Baseline Study [70.73212959385387]
  Generalized Category Discovery (GCD)は、ラベル付きサンプルから学習した知識を用いて、ラベルなしデータセットで新しいカテゴリを発見することを目的としている。 パラメトリック分類器の故障を調査し,高品質な監視が可能であった場合の過去の設計選択の有効性を検証し,信頼性の低い疑似ラベルを重要課題として同定する。 エントロピー正規化の利点を生かし、複数のGCDベンチマークにおける最先端性能を実現し、未知のクラス数に対して強いロバスト性を示す、単純で効果的なパラメトリック分類法を提案する。
  論文  参考訳（メタデータ） (2022-11-21T18:47:11Z)
• Reusing the Task-specific Classifier as a Discriminator: Discriminator-free Adversarial Domain Adaptation [55.27563366506407]
  非教師付きドメイン適応(UDA)のための識別器なし対向学習ネットワーク(DALN)を導入する。 DALNは、統一された目的によって明確なドメインアライメントとカテゴリの区別を達成する。 DALNは、さまざまなパブリックデータセット上の既存の最先端(SOTA)メソッドと比較して好意的に比較する。
  論文  参考訳（メタデータ） (2022-04-08T04:40:18Z)
• Divide-and-Conquer Hard-thresholding Rules in High-dimensional Imbalanced Classification [1.0312968200748118]
  高次元の線形判別分析(LDA)における不均衡クラスサイズの影響について検討した。 マイノリティ・クラスと呼ばれる1つのクラスのデータの不足により、LDAはマイノリティ・クラスを無視し、最大誤分類率を得ることを示す。 そこで本研究では,不等式化率の大きな差を低減させる分割・対数法に基づくハードコンカレンスルールの新たな構成法を提案する。
  論文  参考訳（メタデータ） (2021-11-05T07:44:28Z)
• Unbiased Subdata Selection for Fair Classification: A Unified Framework and Scalable Algorithms [0.8376091455761261]
  このフレームワーク内の多くの分類モデルが混合整数凸プログラムとして再キャストできることを示した。 そして,提案問題において,分類結果の「解決不能な部分データ選択」が強く解決可能であることを示す。 これにより、分類インスタンスを解決するための反復精錬戦略(IRS)の開発を動機付けます。
  論文  参考訳（メタデータ） (2020-12-22T21:09:38Z)
• Theoretical Insights Into Multiclass Classification: A High-dimensional Asymptotic View [82.80085730891126]
  線形多クラス分類の最初の現代的精度解析を行う。 分析の結果,分類精度は分布に依存していることがわかった。 得られた洞察は、他の分類アルゴリズムの正確な理解の道を開くかもしれない。
  論文  参考訳（メタデータ） (2020-11-16T05:17:29Z)
• Classification with Rejection Based on Cost-sensitive Classification [83.50402803131412]
  学習のアンサンブルによる拒絶を用いた新しい分類法を提案する。 実験により, クリーン, ノイズ, 正の未ラベル分類における提案手法の有用性が示された。
  論文  参考訳（メタデータ） (2020-10-22T14:05:05Z)
• High-Dimensional Quadratic Discriminant Analysis under Spiked Covariance Model [101.74172837046382]
  そこで本研究では,魚の識別比を最大化する2次分類手法を提案する。 数値シミュレーションにより,提案した分類器は,合成データと実データの両方において古典的R-QDAよりも優れるだけでなく,計算量の削減も要求されることがわかった。
  論文  参考訳（メタデータ） (2020-06-25T12:00:26Z)
• Saliency-based Weighted Multi-label Linear Discriminant Analysis [101.12909759844946]
  複数ラベルの分類課題を解決するために,LDA(Linear Discriminant Analysis)の新たな変種を提案する。 提案手法は,個々の試料の重量を定義する確率モデルに基づく。 サリエンシに基づく重み付きマルチラベル LDA アプローチは,様々なマルチラベル分類問題の性能改善につながることが示されている。
  論文  参考訳（メタデータ） (2020-04-08T19:40:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。