.png){kind=icon}
返回
A robust mixed functional classifier with adaptive large margin loss
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jmva.2025.105563.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
函数分类在探索和预测具有多类别的响应变量方面越来越有帮助。实际上，函数协变量和标量协变量都可能有用，并且应同时包含在模型中，因此开发具有统计保证的稳健多类别函数分类器是可取的。然而，这两个问题在以往的研究中很少被触及。受此启发，本文提出了一种新颖的大边距线性混合函数分类器，用于具有多类别的响应变量，该分类器将函数协变量和标量协变量均作为预测变量，尤其是在函数数据稀疏纵向的情况下。所提出的方法不仅解决了使用函数协变量和标量协变量组合的函数分类问题，还提供了一种使用适应于观测样本的大边距损失构建的稳健多类别混合函数分类器。此外，我们还建立了混合函数分类器的统计理论，这在现有文献中较少被考虑。同时，我们也提出了一个高效的算法以实现其实际应用。数值研究支持了所提出方法在模拟和真实数据集上表现出的优异性能。
Keyword:
Adaptive large margin loss
Functional classification
Mixed functional classifier
Robust estimation
Theoretical error bound
期刊
J
IF:
1.7
论文数:
99
被引数:
5.8K
机构
引用论文
Recovering the Underlying Trajectory From Sparse and Irregular Longitudinal Data从稀疏且不规则的纵向数据中恢复潜在轨迹.png)
IF0
PREAI
分享收藏UNIFORM CONVERGENCE RATES FOR NONPARAMETRIC REGRESSION AND PRINCIPAL COMPONENT ANALYSIS IN FUNCTIONAL/LONGITUDINAL DATA函数/纵向数据中非参数回归和主成分分析的统一收敛速度ANNALS OF STATISTICS
OAAI
ANNALS OF STATISTICSIF3.7
OAAI分享收藏
查看更多内容