Communications in Statistics - Simulation and Computation· 2026Q2
Ağır Kuyruklara Dayanıklı Uzamsal İşaret Tabanlı Doğrudan Seyreltik Diskriminant Analizi
Spatial sign based direct sparse linear discriminant analysis for high dimensional data
- 0atıf
- Q2SCImago
- 2026yıl
Kısa özet
Yeni bir yöntem olan SSLDA, uzamsal işaretleri kullanarak yüksek boyutlu veriler için sağlam doğrusal diskriminant analizi elde eder ve ağır kuyruklu dağılımlara karşı mevcut yöntemlerden daha iyi performans gösterir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- SSLDA, yüksek boyutlu veriler için yeni bir sağlam doğrusal diskriminant analizi yöntemidir.
- Yöntem, ağır kuyruklu eliptik dağılımlara dayanacak şekilde tasarlanmıştır.
- SSLDA, yanlış sınıflandırma ve tahmin hataları için optimal yakınsama oranlarına ulaşır.
- Sayısal deneyler, mevcut yöntemlere göre üstün sonlu örneklem performansı ve sağlamlığı doğrulamaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
This paper investigates the robust linear discriminant analysis (LDA) problem with elliptical distributions in high-dimensional data. We propose a robust classification method, named SSLDA, that is intended to withstand heavy-tailed distributions. We demonstrate that SSLDA achieves an optimal convergence rate in terms of both misclassification rate and estimate error. Our theoretical results are further confirmed by extensive numerical experiments on both simulated and real datasets. Compared with current approaches, the SSLDA method offers superior improved finite sample performance and notable robustness against heavy-tailed distributions.
Yazarların özeti; kaynağından alınmıştır. Communications in Statistics - Simulation and Computation, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: İstatistik ve Olasılık
Statistics and ProbabilityMathematics